本发明专利技术公开了一种基于机器学习的银行设备故障预警方法及系统，获得第一训练模型信息，获得来自第一银行设备信息的第一样本数据，采用SVM和朴素贝叶斯算法，对第一训练模型进行训练；获得第一原始数据信息；将所述第一原始数据信息输入至训练完成后的所述第一训练模型中，获得输出信息；获得第一特征信息；获得第二分类结果信息；根据所述第二分类结果信息，需要发出第一警告指令，则将第一警告指令通过告警接口发送给人工核查单元，获得人工排查的第一核查结果；根据第一核查结果、第一预测分类结果，对所述第一训练模型进行调整。解决了现有技术中存在对于银行的可能出现的异常不能或不能准确的进行主动预警，进而影响运维效率的技术问题。维效率的技术问题。维效率的技术问题。
【技术实现步骤摘要】
一种基于机器学习的银行设备故障预警方法及系统
[0001]本专利技术涉及银行设备故障预警相关领域，尤其涉及一种基于机器学习的银行设备故障预警方法及系统。
技术介绍
[0002]在银行系统中，设备的异常警报对于异常控制起着至关重要的作用。目前银行设备及软件系统的告警，主要有两种方式：(1)监测系统异常日志，若系统捕获到异常触发短信或者邮件告警；(2)对于无法捕获到的异常或者硬件设备故障，以来人为主动发现。
[0003]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]现有技术中存在对于银行的可能出现的异常不能或不能准确进行主动预警，进而影响运维效率的技术问题。
技术实现思路
[0005]本申请实施例通过提供一种基于机器学习的银行设备故障预警方法及系统，解决了现有技术中存在对于银行的可能出现的异常不能或不能准确的进行主动预警，进而影响运维效率的技术问题，达到对可能出现的异常进行主动准确的预警，降低故障对系统的影响，达到提高运维效率的技术效果。
[0006]鉴于上述问题，提出了本申请实施例提供一种基于机器学习的银行设备故障预警方法及系统。
[0007]第一方面，本申请实施例提供了一种基于机器学习的银行设备故障预警方法，所述方法应用于一风险评估系统，且所述系统包括模型训练单元、原始数据监测单元、特征工程单元、分类算法单元、预警单元、人工核查单元，其中，所述方法包括：获得第一训练模型信息，其中，所述第一训练模型为二分类预测模型；获得来自第一银行设备信息的第一样本数据，其中，所述第一样本数据包括负样本数据和正样本数据；根据所述第一样本数据，采用SVM和朴素贝叶斯算法，对所述第一训练模型进行训练；通过所述原始数据监测单元，获得第一原始数据信息；将所述第一原始数据信息输入至训练完成后的所述第一训练模型中，获得所述第一训练模型的输出信息，其中，所述输出信息为第一预测分类结果信息；根据所述第一原始数据信息，通过所述特征工程单元，获得第一特征信息；根据所述第一特征信息，获得第二分类结果信息；根据所述第二分类结果信息，确定是否发出第一警告指令；如果需要发出第一警告指令，则将所述第一警告指令通过告警接口发送给所述人工核查单元，以使管理员在接收到所述第一警告指令之后进行人工排查；获得所述人工排查的第一核查结果；根据所述第一核查结果、所述第一预测分类结果，对所述第一训练模型进行调整。
[0008]另一方面，本申请还提供了一种基于机器学习的银行设备故障预警系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一训练模型信息，其中，所述第一训
练模型为二分类预测模型；第二获得单元，所述第二获得单元用于获得来自第一银行设备信息的第一样本数据，其中，所述第一样本数据包括负样本数据和正样本数据；第一训练单元，所述第一训练单元用于根据所述第一样本数据，采用SVM和朴素贝叶斯算法，对所述第一训练模型进行训练；第三获得单元，所述第三获得单元用于通过原始数据监测单元，获得第一原始数据信息；第一输入单元，所述第一输入单元用于将所述第一原始数据信息输入至训练完成后的所述第一训练模型中，获得所述第一训练模型的输出信息，其中，所述输出信息为第一预测分类结果信息；第四获得单元，所述第四获得单元用于根据所述第一原始数据信息，通过特征工程单元，获得第一特征信息；第五获得单元，所述第五获得单元用于根据所述第一特征信息，获得第二分类结果信息；第一确定单元，所述第一确定单元用于根据所述第二分类结果信息，确定是否发出第一警告指令；第六获得单元，所述第六获得单元用于如果需要发出第一警告指令，则将所述第一警告指令通过告警接口发送给人工核查单元，以使管理员在接收到所述第一警告指令之后进行人工排查；第七获得单元，所述第七获得单元用于获得所述人工排查的第一核查结果；第一调整单元，所述第一调整单元用于根据所述第一核查结果、所述第一预测分类结果，对所述第一训练模型进行调整。
[0009]第三方面，本专利技术提供了一种基于机器学习的银行设备故障预警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
[0010]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0011]由于采用了根据第一样本数据，采用SVM和朴素贝叶斯算法对第一训练模型进行训练，将第一原始数据输入所述第一训练模型，获得所述第一训练模型的输出信息，将所述第一原始数据通过特征工程单元获得第二分类结果信息，根据所述第二分类结果信息判断是否进行人工排查，根据所述人工排查结果对所述第一训练模型进行调整，进而获得更加准确的第一训练模型处理所述输入数据，达到对可能出现的异常进行主动准确的预警，降低故障对系统的影响，达到提高运维效率的技术效果。
[0012]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0013]图1为本申请实施例一种基于机器学习的银行设备故障预警方法的流程示意图；
[0014]图2为本申请实施例一种基于机器学习的银行设备故障预警系统的结构示意图；
[0015]图3为本申请实施例示例性电子设备的结构示意图。
[0016]附图标记说明：第一获得单元11，第二获得单元12，第一训练单元13，第三获得单元14，第一输入单元15，第四获得单元16，第五获得单元17，第一确定单元18，第六获得单元19，第七获得单元20，第一调整单元21，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
[0017]本申请实施例通过提供一种基于机器学习的银行设备故障预警方法及系统，解决
了现有技术中存在对于银行的可能出现的异常不能或不能准确的进行主动预警，进而影响运维效率的技术问题，达到对可能出现的异常进行主动准确的预警，降低故障对系统的影响，达到提高运维效率的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0018]申请概述
[0019]在银行系统中，设备的异常警报对于异常控制起着至关重要的作用。目前银行设备及软件系统的告警，主要有两种方式：(1)监测系统异常日志，若系统捕获到异常触发短信或者邮件告警；(2)对于无法捕获到的异常或者硬件设备故障，以来人为主动发现。但现有技术中存在对于银行的可能出现的异常不能或不能准确进行主动预警，进而影响运维效率的技术问题。
[0020]针对上述技术问题，本申请提供的技术方案总体思路如下：
[0021]本申请实施例提供了一种基于机器学习的银行设备故障预警方法，所述方法应用于一风险评估本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的银行设备故障预警方法，所述方法应用于一风险评估系统，且所述系统包括模型训练单元、原始数据监测单元、特征工程单元、分类算法单元、预警单元、人工核查单元，其中，所述方法包括：获得第一训练模型信息，其中，所述第一训练模型为二分类预测模型；获得来自第一银行设备信息的第一样本数据，其中，所述第一样本数据包括负样本数据和正样本数据；根据所述第一样本数据，采用SVM和朴素贝叶斯算法，对所述第一训练模型进行训练；通过所述原始数据监测单元，获得第一原始数据信息；将所述第一原始数据信息输入至训练完成后的所述第一训练模型中，获得所述第一训练模型的输出信息，其中，所述输出信息为第一预测分类结果信息；根据所述第一原始数据信息，通过所述特征工程单元，获得第一特征信息；根据所述第一特征信息，获得第二分类结果信息；根据所述第二分类结果信息，确定是否发出第一警告指令；如果需要发出第一警告指令，则将所述第一警告指令通过告警接口发送给所述人工核查单元，以使管理员在接收到所述第一警告指令之后进行人工排查；获得所述人工排查的第一核查结果；根据所述第一核查结果、所述第一预测分类结果，对所述第一训练模型进行调整。2.如权利要求1所述的方法，其中，所述获得来自第一银行设备信息的第一样本数据，包括：获得第一预设时间段；根据所述第一预设时间段，获得第一异常事件信息；根据所述第一异常事件信息，获得第二预设时间段，其中，所述第二预设时间段处于所述第一异常事件发生之前；根据所述第二预设时间段，获得所述负样本数据；获得第三预设时间段；根据所述第三预设时间段，获得所述正样本数据；根据所述负样本数据、所述正样本数据，获得所述第一样本数据。3.如权利要求1所述的方法，其中，所述根据所述第一原始数据信息，通过所述特征工程单元，获得第一特征信息，包括：获得第一清洗指令；根据所述第一清洗指令，对所述第一原始数据进行清洗之后，获得第一有效数据；获得第一处理指令；根据所述第一处理指令，对所述第一有效数据进行向量化处理。4.如权利要求3所述的方法，其中，所述方法还包括：根据所述第一银行设备信息，获得第一影响因子信息，其中，所述第一影响因子信息与所述第一银行设备之间具有第一影响度；获得第二处理指令；根据所述第二处理指令，对所述向量化处理之后的所述第一有效数据进行缺失值补充，以补充所述第一影响因子信息的缺失值。
5.如权利要求4所述的方法，其中，所述方法还包括：获得所述缺失值补充之后的所述第一有效数据中的第二影响因子信息；获得第一预设影响阈值信息；获得第一删除指令；根据所述第一删除指令，对所述第二影响因子信息中不满足所述第一预设影响阈值信息的影响因子进行删除；获得第二预设影响阈值信息；获得第一筛选指令；根据所述第一筛选指令，采用完全搜索、启发式搜索、随机算法方式，对所述删除影响因子之后的所述第...
【专利技术属性】
技术研发人员：刘英杰，
申请(专利权)人：中信银行股份有限公司，
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。