【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种数据处理方法及装置、非易失性存储介质、电子设备。
技术介绍
1、当前金融机构的信息网络安全是重中之重，诸多项例如漏洞修复、渗透分析、异常流量监测都在持续进行人工智能赋能改造。但是，相关技术未充分考虑中小型金融机构的业务特点，进而导致对中小型金融机构的业务系统中产生的异常网络流量数据的识别准确率较低等问题。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种数据处理方法及装置、非易失性存储介质、电子设备，以至少解决由于相关异常数据识别模型未充分考虑中小型金融机构的业务特点，造成的对中小型金融机构的业务系统中产生的异常网络流量数据的识别准确率较低的技术问题。
2、根据本申请实施例的一个方面，提供了一种数据处理方法，包括：获取金融机构的业务系统在预设时长内产生的网络流量数据；根据业务系统的后台服务器数量，确定金融机构的规模，根据金融机构的规模，确定识别网络流量数据的目标规则；根据目标规则，确定网络流量数据中的第一异常数据；将网络流量数据以及第一异常数据输入机器学习模型，得到网络流量数据中的第二异常数据；发布第一异常数据以及第二异常数据。
3、可选地，根据目标规则，确定网络流量数据中的第一异常数据，包括：若异常互联网协议ip地址在预设时长内，连接业务系统的预设端口的次数大于第一预设阈值，确定连接过程产生的网络流量数据为第一异常数据，其中，异常ip地址为不在预设ip地址集合中的i
4、可选地，根据目标规则，确定网络流量数据中的第一异常数据，包括：若目标员工账号在预设时长内访问目标员工账号无权限访问的业务系统中的第一业务模块的次数的大于第二预设阈值，确定访问过程产生的网络流量数据为第一异常数据。
5、可选地，根据目标规则，确定网络流量数据中的第一异常数据，包括：若检测到业务系统中重要等级大于预设等级的第二业务模块中的目标数据传输至业务系统的外部设备，且目标数据的容量大于第三预设阈值，确定传输过程产生的网络流量数据为第一异常数据；若业务系统与外部支付系统和/或外部信贷系统进行数据传输的次数大于第四预设阈值，确定传输过程产生的网络流量数据为第一异常数据。
6、可选地，将网络流量数据以及第一异常数据输入机器学习模型，得到网络流量数据中的第二异常数据之前，方法还包括：在根据目标规则确定网络流量数据中的第一异常数据的数量大于预设阈值的情况下，部署机器学习模型。
7、可选地，发布第一异常数据以及第二异常数据之后，方法还包括：获取第二异常数据的真实性标签，根据第二异常数据与真实性标签之间的差值，确定目标损失函数，并基于目标损失函数迭代训练机器学习模型。
8、可选地，发布第一异常数据以及第二异常数据之后，方法还包括：将第一异常数据以及第二异常数据与预设语句结合，得到目标语句，通过目标语句调用大语言模型；获取大语言模型响应于目标语句所生成输出结果，其中，输出结果中至少包括：对异常数据的处理方案。
9、根据本申请实施例的再一方面，还提供了一种数据处理装置，包括：获取模块，用于获取金融机构的业务系统在预设时长内产生的网络流量数据；第一确定模块，用于根据业务系统的后台服务器数量，确定金融机构的规模，根据金融机构的规模，确定识别网络流量数据的目标规则；第二确定模块，用于根据目标规则，确定网络流量数据中的第一异常数据；第三确定模块，用于将网络流量数据以及第一异常数据输入机器学习模型，得到网络流量数据中的第二异常数据；发布模块，用于发布第一异常数据以及第二异常数据。
10、根据本申请实施例的再一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的数据处理方法。
11、根据本申请实施例的再一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的数据处理方法。
12、根据本申请实施例的再一方面，还提供了一种计算机程序，其中，所述计算机程序被处理器执行时实现以上的数据处理方法。
13、根据本申请实施例的再一方面，还提供了一种计算机程序产品，计算机程序产品包括非易失性计算机可读存储介质，其中，非易失性计算机可读存储介质存储计算机程序，计算机程序被处理器执行时实现以上的数据处理方法。
14、在本申请实施例中，采用获取金融机构的业务系统在预设时长内产生的网络流量数据；根据业务系统的后台服务器数量，确定金融机构的规模，根据金融机构的规模，确定识别网络流量数据的目标规则；根据目标规则，确定网络流量数据中的第一异常数据；将网络流量数据以及第一异常数据输入机器学习模型，得到网络流量数据中的第二异常数据；发布第一异常数据以及第二异常数据的方式，达到了充分考虑中小型金融机构的业务特点的目的，从而实现了提升对中小型金融机构的业务系统中产生的异常网络流量数据的识别准确率的技术效果，进而解决了由于相关异常数据识别模型未充分考虑中小型金融机构的业务特点，造成的对中小型金融机构的业务系统中产生的异常网络流量数据的识别准确率较低的技术问题。
本文档来自技高网...【技术保护点】
1.一种数据处理方法，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，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
5.根据权利要求1所述的方法，其特征在于，将所述网络流量数据以及所述第一异常数据输入机器学习模型，得到所述网络流量数据中的第二异常数据之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，发布所述第一异常数据以及所述第二异常数据之后，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，发布所述第一异常数据以及所述第二异常数据之后，所述方法还包括：
8.一种数据处理装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所
10.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的数据处理方法。
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的数据处理方法。
...【技术特征摘要】
1.一种数据处理方法，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，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述目标规则，确定所述网络流量数据中的第一异常数据，包括：
5.根据权利要求1所述的方法，其特征在于，将所述网络流量数据以及所述第一异常数据输入机器学习模型，得到所述网络流量数据中的第二异常数据之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，发布所述第一异常数据以及所述第二异常数据之后，所述方法还包括：...
【专利技术属性】
技术研发人员：贾婧，刘嘉文，张杰，毕家瑞，陈永超，范开，
申请(专利权)人：北京银行股份有限公司，
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。