基于应用日志的异常交易诊断方法及系统技术方案

本发明专利技术提供了一种基于应用日志的异常交易诊断方法及系统，所述方法包括：对交易的应用日志进行特征提取得到模板序列；根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易，本发明专利技术可实现灵活、高精度的实时异常交易诊断。

【技术实现步骤摘要】
基于应用日志的异常交易诊断方法及系统
本专利技术涉及智能运维
，尤其涉及一种基于应用日志的异常交易诊断方法及系统。
技术介绍
随着互联网技术和金融科技的发展，网上交易越来越频繁，交易的金额也在不断增大，网上交易给人民带来便利的同时，伴随而来的交易问题也越来越多。而一些细小的错误可能导致较大的交易问题，因此对异常交易进行实时诊断显得尤为重要。当前交易的问题诊断通常依赖于固定阈值的报警，固定阈值一方面容易误报和漏报，导致问题的诊断精度低下，另一方面可能造成报警风暴，使得真实报警信息掩盖在大量的虚假报警信息之下，严重影响问题分析定位的效率。综上，目前基于固定阈值的异常交易检测和诊断方法效率较低。
技术实现思路
本专利技术的一个目的在于提供一种基于应用日志的异常交易诊断方法，实现灵活、高精度的实时异常交易诊断。本专利技术的另一个目的在于提供一种基于应用日志的异常交易诊断系统。本专利技术的再一个目的在于提供一种计算机设备。本专利技术的还一个目的在于提供一种可读介质。为了达到以上目的，本专利技术一方面公开了一种基于应用日志的异常交易诊断方法，包括：对交易的应用日志进行特征提取得到模板序列；根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易。优选的，所述对交易的应用日志进行特征提取得到模板序列具体包括：对交易的每条应用日志中的特征字段进行特征提取得到日志模板；根据交易的所有应用日志的日志模板得到模板序列。优选的，进一步包括预先形成所述异常交易分析模型和所述模式库的步骤。优选的，所述形成所述异常交易分析模型和所述模式库具体包括：对历史正常交易的应用日志进行特征提取得到模板序列；通过聚类算法对历史正常交易的模板序列进行聚类得到多个交易类型；根据多个交易类型的模板序列对分类器进行分类训练得到所述异常交易分析模型；根据多个交易类型对应的模板序列以及各个模板序列的概率值形成模式库。优选的，所述根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易具体包括：将所述模板序列与模式库中对应交易类型的模板序列进行比对，确定所述模板序列的概率值，若所述概率值低于预设阈值，则所述交易为异常交易。优选的，进一步包括：获取所述应用日志的起始时间和结束时间，得到所述交易的时长；若所述交易的时长大于预设时间阈值，诊断所述交易为超时交易。优选的，所述根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型具体包括：根据所述模板序列通过预设的异常交易分析模型确定所述交易属于目的交易类型的置信度，若所述置信度大于预设置信度阈值，确定所述交易的交易类型为所述目的交易类型。优选的，进一步包括获取交易的应用日志的步骤：通过Fluentd将原始日志数据根据交易打散后发送给Kafka集群；通过Spark以订阅方式从所述Kafka集群获取打散后的原始日志数据。本专利技术还公开了一种基于应用日志的异常交易诊断系统，包括：数据处理模块，用于对交易的应用日志进行特征提取得到模板序列；交易分类模块，用于根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；交易检测模块，用于根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易。本专利技术还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。本专利技术通过对实时交易的应用日志进行特征提取得到模板序列，通过预设的异常交易分析模型确定实时交易的交易类型。进一步的，根据预设的模式库中该交易类型对应的模板序列对实时交易的模板序列进行检测，确定模板序列对应的交易是否为异常交易。本专利技术通过形成正常交易的模式库对实时交易进行匹配从而实现在线实时异常交易的诊断，解决基于固定阈值的异常交易诊断方式效率较低的问题，且本专利技术不需要人为设定诊断阈值，无阈值的诊断更加灵活便捷，相较传统阈值诊断方式，基于历史正常应用日志的异常诊断精度更高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例的流程图；图2示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例包括预先形成所述异常交易分析模型和所述模式库的流程图；图3示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例S000的流程图；图4示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例S100的流程图；图5示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例S200的流程图；图6示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例S300的流程图；图7示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例S400的流程图；图8示出本专利技术一种基于应用日志的异常交易诊断方法一个具体实施例获取交易的应用日志的流程图；图9示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例的结构图；图10示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例数据处理模块的结构图；图11示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例包括模型构建模块的结构图；图12示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例模型构建模块的结构图；图13示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例包括超时检测模块的结构图；图14示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例包括日志获取模块的结构图；图15示出本专利技术一种基于应用日志的异常交易诊断系统一个具体实施例日志获取模块的结构图；图16示出适于用来实现本专利技术实施例的计算机设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本领域内的技术人员应明白，本专利技术的实施例可提供为方法、系统、或计算机程序产品。因此，本专利技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的本文档来自技高网...

【技术保护点】
1.一种基于应用日志的异常交易诊断方法，其特征在于，包括：/n对交易的应用日志进行特征提取得到模板序列；/n根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；/n根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易。/n

【技术特征摘要】
1.一种基于应用日志的异常交易诊断方法，其特征在于，包括：
对交易的应用日志进行特征提取得到模板序列；
根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；
根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易。


2.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，所述对交易的应用日志进行特征提取得到模板序列具体包括：
对交易的每条应用日志中的特征字段进行特征提取得到日志模板；
根据交易的所有应用日志的日志模板得到模板序列。


3.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，进一步包括预先形成所述异常交易分析模型和所述模式库的步骤。


4.根据权利要求3所述的基于应用日志的异常交易诊断方法，其特征在于，所述形成所述异常交易分析模型和所述模式库具体包括：
对历史正常交易的应用日志进行特征提取得到模板序列；
通过聚类算法对历史正常交易的模板序列进行聚类得到多个交易类型；
根据多个交易类型的模板序列对分类器进行分类训练得到所述异常交易分析模型；
根据多个交易类型对应的模板序列以及各个模板序列的概率值形成模式库。


5.根据权利要求4所述的基于应用日志的异常交易诊断方法，其特征在于，所述根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易具体包括：
将所述模板序列与模式库中对应交易类型的模板序列进行比对，确定所述模板序列的概率值，若所述概率值低于预设阈值，则所述交易为异常交易。


6.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：程鹏，任政，吴冕冠，齐颀，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11