异常报文识别方法及装置制造方法及图纸

本发明专利技术公开了一种异常报文识别方法及装置，属于人工智能技术领域，该方法包括：获取报文数据，并确定所述报文数据对应的处理服务器；将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练得出的。本发明专利技术实现了准确、快速的识别出异常报文的有益效果。

【技术实现步骤摘要】
异常报文识别方法及装置
本专利技术涉及人工智能
，具体而言，涉及一种异常报文识别方法及装置。
技术介绍
随着互联网创新的高速发展，业务处理量显著的增长，各业务通过多个处理服务器进行处理，每个处理服务器负责处理业务中的一部分，在进行业务处理时各处理服务器之间通过报文频繁进行交互，以完成具体的业务。目前，各处理服务器之间的交互报文的数据量巨大，如何针对这些数据量巨大的报文进行异常识别是现有技术亟需解决的问题。
技术实现思路
本专利技术为了解决上述
技术介绍
中的技术问题，提出了一种异常报文识别方法及装置。为了实现上述目的，根据本专利技术的一个方面，提供了一种异常报文识别方法，该方法包括：获取报文数据，并确定所述报文数据对应的处理服务器；将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练本文档来自技高网...

【技术保护点】
1.一种异常报文识别方法，其特征在于，包括：/n获取报文数据，并确定所述报文数据对应的处理服务器；/n将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；/n根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练得出的。/n

【技术特征摘要】
1.一种异常报文识别方法，其特征在于，包括：
获取报文数据，并确定所述报文数据对应的处理服务器；
将所述报文数据加入到所述处理服务器对应的当天的整日报文数据集中；
根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型识别出所述报文数据是否为异常报文，其中，所述分类模型为以所述处理服务器对应的历史的整日报文数据集作为训练数据并采用预设的分类算法训练得出的。


2.根据权利要求1所述的异常报文识别方法，其特征在于，所述整日报文数据集根据预设的多个时间区间分为多个数据子集，每个数据子集对应一个数据项。


3.根据权利要求2所述的异常报文识别方法，其特征在于，所述数据项包含一个时间特征值以及一个数据列，所述时间特征值由对应的数据子集的时间区间来确定，所述数据列由对应的数据子集包含的所有报文数据来确定。


4.根据权利要求2所述的异常报文识别方法，其特征在于，所述根据所述当天的整日报文数据集以及所述处理服务器对应的训练好的分类模型中识别出所述处理服务器的异常报文，包括：
根据所述当天的整日报文数据集的数据项以及所述处理服务器对应的训练好的分类模型中识别出所述处理服务器的异常报文。


5.根据权利要求2所述的异常报文识别方法，其特征在于，所述多个时间区间为连续的，每个时间区间的大小均等于预设值。


6.根据权利要求1所述的异常报文识别方法，其特征在于，还包括：
获取各处理服务器各自对应的训练数据，其中，所述训练数据为历史的整日报文数据集；
根据所述训练数据以及所述预设的分类算法训练出各处理服务器各自对应分类模型。


7.根据权利要求6所述的异常报文识别方法，其特征在于，所述历史的整日报文数据集根据预设的多个时间区间分为多个数据子集，每个数据子集对应...

【专利技术属性】
技术研发人员：朱秋生，
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