【技术实现步骤摘要】
本专利技术实施例涉及交易监控，尤其涉及一种交易检测方法、装置、设备及存储介质。
技术介绍
1、商业银行应用系统的稳定运行至关重要。日常运维工作中，系统会通过监控手段对系统成功率、交易量、响应时间三大黄金业务指标进行实时采集和监控，黄金业务指标直接反映了系统的运行状态。
2、传统的业务指标监控感知系统异常往往采用固定阈值方式，近年来也增加了基于指标动态基线的智能监控方式，智能监控方式往往基于指标历史数据训练指标基线，超出基线范围则判定为系统异常。但上述方式均基于单一指标，而应用系统运行情况与交易业务相关，往往会存在这样一种情况，部分时段因促销活动或其他业务行为导致交易量上涨，但响应时间、成功率指标并未产生波动，因此此类上涨并不属于系统异常。若采用传统的单一指标的检测监控方式，容易产生误告警，影响运维排障效率。
技术实现思路
1、本专利技术实施例提供一种交易检测方法、装置、设备及存储介质，可以提高交易检测的准确性。
2、第一方面，本专利技术实施例提供了一种交易检测方法，包括：获取当前设定时长内的指标数据；所述指标数据包括交易量指标、平均响应时间指标以及成功率指标；基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征；所述时序特征包括当前设定时长内的指标数据、邻近指标特征以及差异特征信息；基于设定孤立森林模型确定所述当前设定时长内的时序特征的异常分数；基于所述当前设定时长提取时间特征；其中，所述时间特征包括节假日特征、周特征以及工作
3、第二方面，本专利技术实施例还提供了一种交易检测装置，包括：指标数据获取模块，用于获取当前设定时长内的指标数据；所述指标数据包括交易量指标、平均响应时间指标以及成功率指标；时序特征确定模块，用于基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征；所述时序特征包括当前设定时长内的指标数据、邻近指标特征以及差异特征信息；异常分数确定模块，用于基于设定孤立森林模型确定所述当前设定时长内的时序特征的异常分数；时间特征提取模块，用于基于所述当前设定时长提取时间特征；其中，所述时间特征包括节假日特征、周特征以及工作时间特征；交易检测模块，用于将所述时序特征、所述异常分数以及所述时间特征作为一条样本，并将所述当前设定时长内的多条样本输入至设定交易检测模型中，输出交易检测结果；其中，所述交易检测结果包括交易正常和交易异常。
4、第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
5、至少一个处理器；以及
6、与所述至少一个处理器通信连接的存储器；其中，
7、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术实施例任一项所述的交易检测方法。
8、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术实施例中任一项所述交易检测方法。
9、本专利技术所提供的技术方案，获取当前设定时长内的指标数据；所述指标数据包括交易量指标、平均响应时间指标以及成功率指标；基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征；所述时序特征包括当前设定时长内的指标数据、邻近指标特征以及差异特征信息；基于设定孤立森林模型确定所述当前设定时长内的时序特征的异常分数；基于所述当前设定时长提取时间特征；其中，所述时间特征包括节假日特征、周特征以及工作时间特征；将所述时序特征、所述异常分数以及所述时间特征作为一条样本，并将所述当前设定时长内的多条样本输入至设定交易检测模型中，输出交易检测结果；其中，所述交易检测结果包括交易正常和交易异常。本公开实施例，通过设定交易检测模型对时序特征、所述异常分数以及所述时间特征所构成的样本进行交易检测的方式，可以提高交易检测的准确性，也即可以实时高效准确的检测到系统异常，提升故障发现的效果和效率。
本文档来自技高网...【技术保护点】
1.一种交易检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征之前，还包括：
3.根据权利要求1所述的方法，其特征在于，其中，所述邻近时点包括所述当前设定时长的前一设定时长和后一设定时长；所述差异特征信息包括前序一阶差分、后序一阶差分、前序差值和后序差值；所述邻近指标特征包括前序统计值和后序统计值；基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征，包括：
4.根据权利要求1所述的方法，其特征在于，在将所述当前设定时长内的多条样本输入至设定交易检测模型中，输出交易检测结果之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述设定交易检测模型的训练方式为：
6.根据权利要求5所述的方法，其特征在于，基于多条训练样本对所述设定交易检测模型进行训练，包括：
7.根据权利要求5所述的方法，其特征在于，在对于任意一个历史设定时长，基于所述历史设定时长内的指标数据以及所述历
8.一种交易检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的交易检测方法。
...【技术特征摘要】
1.一种交易检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征之前，还包括：
3.根据权利要求1所述的方法，其特征在于，其中，所述邻近时点包括所述当前设定时长的前一设定时长和后一设定时长；所述差异特征信息包括前序一阶差分、后序一阶差分、前序差值和后序差值；所述邻近指标特征包括前序统计值和后序统计值；基于所述当前设定时长内的指标数据以及所述当前设定时长的邻近时点的指标数据确定时序特征，包括：
4.根据权利要求1所述的方法，其特征在于，在将所述当前设定时长内的多条样本输入至设定交易检测模型中，输出交易检测结果之前，还包括：
【专利技术属性】
技术研发人员：穆琼，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。