一种非常规异常检测方法、系统及存储介质技术方案

本发明专利技术提供一种非常规异常检测方法、系统及存储介质，包括：S1检测输入数据存在异常维度的异常点；S2确定异常程度超过第一阈值的异常点为第一异常点，异常程度未超过第一阈值的异常点为第二异常点；S3确定特征提取模型；S4采用S3的特征提取模型计算第二异常点的特征指标数据；S5聚合第二异常点的特征指标数据，若聚合后的第二异常点的特征指标数据超过第二阈值，则确定为第三异常点；S6排除与第一异常点重叠的第三异常点，确定为非常规异常。本发明专利技术解决了难以对发生频率低、单个指标异常程度不高、交易小的故障情况进行准确有效异常检测的技术问题，对非常规异常检测的针对性强、准确率高、识别速度快。识别速度快。识别速度快。

【技术实现步骤摘要】
一种非常规异常检测方法、系统及存储介质


[0001]本专利技术涉及异常检测，具体涉及一种非常规异常检测方法、系统及存储介质。

技术介绍

[0002]金融领域异常检测的一种常见方法为，通过交易量失败情况统计故障，进而分析上述故障的各项指标情况。系统异常的判断通常通过指标的阈值程度确定，即，当异常超过一定阈值时，认为属于系统异常，否则则认为属于可接收的故障场景。例如，当特定时间区间内，发生的失败交易频率大于指定阈值，或单笔交易的异常程度大于指定阈值等，则为判断系统异常的常规方法。现有场景中，出现了部分发生频率低、单个指标异常程度不高、交易小、样本数量少的故障情况。这类故障的识别难度在于：难以通过通常的超过阈值的检测方法将其有效识别；难以与不需要被判定为系统异常的正常的刷卡失败情况加以准确区分。因此，针对这类故障程度不足以被确定为系统异常的非常规故障在系统异常检测时，容易被海量情况淹没，无法准确、有效地针对该类特定系统异常进行识别。

技术实现思路

[0003]为解决现有技术存在的难以对发生频率低、单个指标异常程度不高、交易小的故障情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非常规异常检测方法，其特征在于，包括：S1检测输入数据存在异常维度的异常点；S2确定异常程度超过第一阈值的异常点为第一异常点，异常程度未超过第一阈值的异常点为第二异常点；S3确定特征提取模型；S4 采用S3的特征提取模型计算第二异常点的特征指标数据；S5聚合第二异常点的特征指标数据，若聚合后的第二异常点的特征指标数据超过第二阈值，则确定为第三异常点；S6排除与第一异常点重叠的第三异常点，确定为非常规异常；所述特征提取模型通过最小化损失函数降低特征扩展后减枝的工作量，所述损失函数与第三异常点及第三异常点对应的真实出现的非常规异常的第四异常点的相似度正相关，与第三异常点及第一异常点的相似度负相关。2.根据权利要求1所述的非常规异常检测方法，其特征在于，所述非常规异常检测方法还包括S7：聚合评价所述S6确定的非常规异常，所述聚合评价的方法为，计算第三异常点与第一异常点的相似度，或/且，计算第三异常点与第四异常点的相似度；所述第四异常点为真实出现的非常规异常。3.根据权利要求2所述的非常规异常检测方法，其特征在于，所述聚合评价方法还包括：统计第四异常点；所述第四异常点的统计方法为：当前时间窗口下统计获得第一聚合结果；在扩展时间窗口内统计获得第二聚合结果；在泛化空间区间下统计获得第三聚合结果。4.根据权利要求2所述的非常规异常检测方法，其特征在于，所述S3确定特征提取模型的方法为，根据历史数据及聚合评价的结果优化特征提取模型。5.根据权利要求1所述的非常规异常检测方法，其特征在于，所述特征提取模型的确定方法包括：识别异常点特征；对异常点的特征进行排列组合，获得第一特征指标向量；对第一特征指向量标进行剪枝，获得第二特征指标向量。6.根据权利要求5所述的非常规异常检测方法，其特征在于，所述计算针对第二特征指标向量的权重向...

【专利技术属性】
技术研发人员：吴勇，史晨阳，彭晓，王岗，孙纪周，潘竹，周放，冯震，巩政杰，魏耀辉，
申请(专利权)人：中国光大银行股份有限公司，
类型：发明
国别省市：