【技术实现步骤摘要】
异常任务的检测方法和装置
[0001]本专利技术涉及金融科技(Fintech)
，尤其涉及一种异常任务的检测方法和装置。
技术介绍
[0002]金融交易系统对于网络系统的稳定性和安全性的要求较高，当系统内出现异常交易时可能导致交易失败等其他风险。因此，需要对金融交易系统进行监测。
[0003]现有技术中，可以通过获取监测周期内的交易的平均耗时，对交易的平均耗时进行时间序列的建模，形成交易的平均耗时的时间序列曲线，根据该曲线得到当前时间的预测平均耗时，根据当前时间的实际平均耗时和该预测平均耗时，判断当前时间内是否存在异常交易。
[0004]但是，交易的平均耗时可能由于交易量的不稳定发生明显波动，且平均算法会产生信息丢失，无法准确定位异常指标，例如，交易的平均耗时可能是由于单笔交易的高耗时造成，也可能是由于大量的普通交易造成，而交易的平均耗时无法反应这一特性，从而导致，基于交易的平均耗时确定的异常交易不准确。
技术实现思路
[0005]本专利技术提供一种异常任务的检测方法和装置，能够提高异常任务检测的准确性。
[0006]本专利技术第一方面提供一种异常任务的检测方法，应用于数据处理系统，所述数据处理系统中包括至少一个层级，每个层级包括至少一个网络节点，所述方法包括：
[0007]根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点之间的最短路径，确定各所述网络节点的权重；
[0008]将各所述网络节点的权重相加得到所述入口节点的权重；>[0009]根据所述入口节点的权重和所述入口节点的平均耗时得到所述入口节点的高耗时指标，所述入口节点的平均耗时是指所述入口节点处理任务的平均耗时；
[0010]根据所述高耗时指标进行异常任务检测。
[0011]可选的，所述根据所述高耗时指标进行异常任务检测，包括：
[0012]根据所述高耗时指标计算高耗时任务的历史异常密度，所述历史异常密度用于表示单位时长内高耗时任务数量与任务总数量的比值；
[0013]确定目标检测周期内的处理耗时大于所述高耗时指标的第一任务的数量；
[0014]根据所述历史异常密度、所述第一任务的数量以及所述目标检测周期内任务的总数量，确定所述目标检测周期内发生高耗时任务的累计概率密度；
[0015]当所述累计概率密度小于累计概率密度阈值时，确定所述目标检测周期内发生异常任务。
[0016]可选的，所述方法还包括：
[0017]根据所述高耗时指标，获取第一时长包括的各检测周期内的历史累计概率密度，
所述第一时长位于所述目标检测周期之前，所述第一时长内包括多个检测周期；
[0018]根据所述第一时长包括的各检测周期内的异常标识，确定所述第一时长内没有发生异常的检测周期，所述异常标识用于标识检测周期内是否发生异常；
[0019]从所述没有发生异常的检测周期中确定最小历史累计概率密度，所述最小历史累计概率密度为所述累计概率密度阈值。
[0020]可选的，所述根据所述高耗时指标计算历史异常密度，包括：
[0021]确定第二时长内处理耗时大于所述高耗时指标的高耗时任务的数量；
[0022]计算所述高耗时任务的数量与所述第二时长内的任务总数量的比值，得到所述历史异常密度。
[0023]可选的，所述根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点的最短路径，确定各所述网络节点的权重，包括：
[0024]根据所述网络节点与入口节点的最短路径上各节点的顺序，从第一个节点开始依次根据当前节点的所属的层级的参数和所述当前节点之前的所有节点的权重计算所述当前节点的权重，直至得到所述网络节点的权重。
[0025]可选的，所述根据所述网络节点与入口节点的最短路径上各节点的顺序，从第一个节点开始依次根据当前节点的所属的层级的参数和所述当前节点之前的所有节点的权重计算所述当前节点的权重，直至得到所述网络节点的权重，包括：
[0026]根据如下公式计算所述网络节点的权重：
[0027][0028]其中，x
i
表示所述网络节点的权重，i表示所述网络节点在所述最短路径中距离所述入口节点的步长，α表示网络节点所属层级的参数，i大于或等于1。
[0029]可选的，所述根据所述入口节点的权重和所述入口节点的平均耗时得到所述入口节点的高耗时指标，包括：
[0030]将所述入口节点的权重和所述入口节点的平均耗时相乘，得到所述入口节点的高耗时指标。
[0031]可选的，所述根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点之间的最短路径，确定各所述网络节点的权重之前，还包括：
[0032]将所述数据处理系统中不同层级的节点转换到同一个层级，得到所述数据处理系统对应的拓扑结构图，所述拓扑结构图中的相邻两个节点通过边连接，每条边具有权重，每个节点具有层级标识；
[0033]基于所述拓扑结构图，计算各所述网络节点与所述入口节点之间的最短路径。
[0034]本专利技术第二方面提供一种异常任务的检测装置，所述装置用于对数据处理系统中的网络节点进行异常任务检测，所述数据处理系统中包括至少一个层级，每个层级包括至少一个网络节点，所述装置包括：
[0035]第一确定模块，用于根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点之间的最短路径，确定各所述网络节点的权重；
[0036]第二确定模块，用于将各所述网络节点的权重相加得到所述入口节点的权重；
[0037]第三确定模块，用于根据所述入口节点的权重和所述入口节点的平均耗时得到所
述入口节点的高耗时指标，所述入口节点的平均耗时是指所述入口节点处理任务的平均耗时；
[0038]异常检测模块，用于根据所述高耗时指标进行异常任务检测。
[0039]可选的，所述异常检测模块具体用于：
[0040]根据所述高耗时指标计算高耗时任务的历史异常密度，所述历史异常密度用于表示单位时长内高耗时任务数量与任务总数量的比值；
[0041]确定目标检测周期内的处理耗时大于所述高耗时指标的第一任务的数量；
[0042]根据所述历史异常密度、所述第一任务的数量以及所述目标检测周期内任务的总数量，确定所述目标检测周期内发生高耗时任务的累计概率密度；
[0043]当所述累计概率密度小于累计概率密度阈值时，确定所述目标检测周期内发生异常任务。
[0044]可选的，还包括第四确定模块，用于：
[0045]根据所述高耗时指标，获取第一时长包括的各检测周期内的历史累计概率密度，所述第一时长位于所述目标检测周期之前，所述第一时长内包括多个检测周期；
[0046]根据所述第一时长包括的各检测周期内的异常标识，确定所述第一时长内没有发生异常的检测周期，所述异常标识用于标识检测周期内是否发生异常；
[0047本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常任务的检测方法，其特征在于，应用于数据处理系统，所述数据处理系统中包括至少一个层级，每个层级包括至少一个网络节点，所述方法包括：根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点之间的最短路径，确定各所述网络节点的权重；将各所述网络节点的权重相加得到所述入口节点的权重；根据所述入口节点的权重和所述入口节点的平均耗时得到所述入口节点的高耗时指标，所述入口节点的平均耗时是指所述入口节点处理任务的平均耗时；根据所述高耗时指标进行异常任务检测。2.根据权利要求1所述的方法，其特征在于，所述根据所述高耗时指标进行异常任务检测，包括：根据所述高耗时指标计算高耗时任务的历史异常密度，所述历史异常密度用于表示单位时长内高耗时任务数量与任务总数量的比值；确定目标检测周期内的处理耗时大于所述高耗时指标的第一任务的数量；根据所述历史异常密度、所述第一任务的数量以及所述目标检测周期内任务的总数量，确定所述目标检测周期内发生高耗时任务的累计概率密度；当所述累计概率密度小于累计概率密度阈值时，确定所述目标检测周期内发生异常任务。3.根据权利要求2所述的方法，其特征在于，还包括：根据所述高耗时指标，获取第一时长包括的各检测周期内的历史累计概率密度，所述第一时长位于所述目标检测周期之前，所述第一时长内包括多个检测周期；根据所述第一时长包括的各检测周期内的异常标识，确定所述第一时长内没有发生异常的检测周期，所述异常标识用于标识检测周期内是否发生异常；从所述没有发生异常的检测周期中确定最小历史累计概率密度，所述最小历史累计概率密度为所述累计概率密度阈值。4.根据权利要求2所述的方法，其特征在于，所述根据所述高耗时指标计算历史异常密度，包括：确定第二时长内处理耗时大于所述高耗时指标的高耗时任务的数量；计算所述高耗时任务的数量与所述第二时长内的任务总数量的比值，得到所述历史异常密度。5.根据权利要求1所述的方法，其特征在于，所述根据所述数据处理系统中的各网络节点所属的层级和各所述网络节点与入口节点的最短路径，确定各所述网络节点的权重，包括：根据所述网络节点与入口节点的最短路径上各节点的顺序，从第一个节点开始依次根据当前节点的所属的层级的参数和所述当前节点之前的所有节点的权重计算所述当前节点的权重，直至得到所述网络节点的权重。6.根据权利要求5所述的方法，其特征在于，所述根据所述网络节点与入口节点的最短路径上各节点的顺序，从第一个节点开始依次根据当前节点的所属的层级的参数和所述当...
【专利技术属性】
技术研发人员：李泽宇，
申请(专利权)人：深圳前海微众银行股份有限公司，
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。