异常事件监控方法、装置、计算机设备及存储介质制造方法及图纸

技术编号:26171635 阅读:28 留言:0更新日期:2020-10-31 13:44
本发明专利技术涉及异常监控领域,提供一种异常事件监控方法、装置、计算机设备及存储介质,方法包括:通过接收到事件数据;通过CEP引擎模型对事件数据进行关联事件分析和分类解析,得到多个基础指标值;通过事件管理模型对事件数据进行事件分类,得到事件类型,同时通过事件管理模型对事件数据进行事件分析和事件解析,得到多个潜在指标值;获取与事件类型匹配的事件预估模型和异常阈值;通过事件预估模型对所有基础指标值和所有潜在指标值进行组合及异常特征提取,得到预估结果;根据预估结果和异常阈值,确定事件数据的监控结果。本发明专利技术实现了准确地、全面地自动识别事件数据是否为异常事件,保证了事件数据的安全性。

【技术实现步骤摘要】
异常事件监控方法、装置、计算机设备及存储介质
本专利技术涉及异常监控领域,尤其涉及一种异常事件监控方法、装置、计算机设备及存储介质。
技术介绍
目前,电商平台的发展给人们生活带来了极大的便利,然而,由于不法分子企图在电商交易过程中获取更大的利益,因此,在电商交易过程中出现了多种类型的异常行为,异常例如,盗取账户交易、恶意套现以及恶意薅羊毛等异常诈骗行为,为了降低异常异常行为出现的可能性,电商平台会对用户的交易过程进行检测,以执行对异常行为的监控异常。然而,现有技术中,大部分方案只能通过被动地人为设置交易金额的类型和阈值的方式进行预防异常行为和降低异常行为的影响,而且判断是否是异常行为的界定条件单一,界定条件的限额阈值也无法准确,因此难以有效地识别出异常行为,进而导致异常针对异常行为的较高误拦率的存在,对用户的合法操作造成了较大的影响。
技术实现思路
本专利技术提供一种异常事件监控方法、装置、计算机设备及存储介质,实现了准确地、全面地自动识别事件数据是否为异常事件,提高了监控准确率,避免监控失效造成的损失,保证了事件数据的安全本文档来自技高网...

【技术保护点】
1.一种异常事件监控方法,其特征在于,包括:/n接收到事件数据;/n将所述事件数据输入CEP引擎模型,通过所述CEP引擎模型对所述事件数据进行关联事件分析和分类解析,得到多个基础指标值;/n将所述事件数据输入事件管理模型,通过所述事件管理模型对所述事件数据进行事件分类,得到所述事件数据对应的事件类型,同时通过所述事件管理模型对所述事件数据进行事件分析和事件解析,得到多个潜在指标值;/n获取与所述事件类型匹配的事件预估模型和异常阈值;/n将所有所述基础指标值和所有所述潜在指标值输入所述事件预估模型,通过所述事件预估模型对所有所述基础指标值和所有所述潜在指标值进行组合及异常特征提取,得到预估结果;...

【技术特征摘要】
1.一种异常事件监控方法,其特征在于,包括:
接收到事件数据;
将所述事件数据输入CEP引擎模型,通过所述CEP引擎模型对所述事件数据进行关联事件分析和分类解析,得到多个基础指标值;
将所述事件数据输入事件管理模型,通过所述事件管理模型对所述事件数据进行事件分类,得到所述事件数据对应的事件类型,同时通过所述事件管理模型对所述事件数据进行事件分析和事件解析,得到多个潜在指标值;
获取与所述事件类型匹配的事件预估模型和异常阈值;
将所有所述基础指标值和所有所述潜在指标值输入所述事件预估模型,通过所述事件预估模型对所有所述基础指标值和所有所述潜在指标值进行组合及异常特征提取,得到预估结果;
根据所述预估结果和所述异常阈值,确定所述事件数据的监控结果;所述监控结果包括异常事件和正常事件,所述监控结果表征了所述事件数据是否属于异常事件。


2.如权利要求1所述的异常事件监控方法,其特征在于,所述所述接收到事件数据,包括:
通过MQ或者API接口,实时接收来自服务器集群的所述事件数据;或者
通过轮询接口,定时接收来自服务器集群的所述事件数据。


3.如权利要求1所述的异常事件监控方法,其特征在于,所述通过所述CEP引擎模型对所述事件数据进行关联事件分析和分类解析,得到多个基础指标值,包括:
通过所述CEP引擎模型对所述事件数据进行关联事件分析,得到多个基础EPL语句;
通过所述CEP引擎模型中的基础EPL解析器对每个所述基础EPL语句进行分类解析,得到多个基础指标值。


4.如权利要求1所述的异常事件监控方法,其特征在于,所述通过所述事件管理模型对所述事件数据进行事件分析和事件解析,得到多个潜在指标值,包括:
通过所述事件管理模型对所述事件数据进行事件分析,得到多个潜在EPL语句;
通过所述事件管理模型中的潜在EPL解析器对每个所述潜在EPL语句进行事件解析,得到多个潜在指标值。


5.如权利要求1所述的异常事件监控方法,其特征在于,所述获取异常阈值之前,包括:
获取样本数据集;所述样本数据集包括多个预设时间段内的样本数据,一个所述样本数据与一个事件标签关联;
将所有所述样本数据输入异常识别图卷积模型,通过所述异常识别图卷积模型对所有所述样本数据进行关系图预测,得到各种事件类型对应的异常阈值。


6.如权利要...

【专利技术属性】
技术研发人员:杨力坤
申请(专利权)人:平安证券股份有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1