异常信息确定方法、装置、设备、介质及产品制造方法及图纸

本申请提供一种异常信息确定方法、装置、设备、介质及产品，涉及金融科技领域或其他相关领域。该方法包括：针对多个特征类型中的各特征类型，基于预设时间段内属于各特征类型的业务交易对应的交易数据，确定属于各特征类型的业务交易的成功率；若属于目标特征类型的业务交易的成功率低于目标特征类型对应的成功率阈值，则将目标特征类型与属于目标特征类型的业务交易对应的目标交易数据，输入到训练完成的异常确定模型中，采用训练完成的异常确定模型确定目标异常信息，目标异常信息表示造成属于目标特征类型的业务交易的成功率发生异常的原因；基于目标异常信息进行告警。该方案提高了所确定的目标异常信息的准确性且提高了确定效率。了确定效率。了确定效率。

【技术实现步骤摘要】
异常信息确定方法、装置、设备、介质及产品


[0001]本申请涉及金融科技领域或其他相关领域，尤其涉及一种异常信息确定方法、装置、设备、介质及产品。

技术介绍

[0002]业务交易系统是为用户办理各类业务的信息技术系统，业务交易系统的正常运行是各类业务能够正常开展的基础。而业务交易系统在运行过程中可能出现各种异常，导致业务交易失败。因此在系统出现异常时需要及时确定原因并修复，以保证后续的业务交易不受影响。
[0003]相关技术中，一般是获取业务交易系统的交易成功率，若该交易成功率低于预设的阈值则告警，然后技术人员进行人工综合分析，确定异常原因。然而人工确定异常原因的方式效率低下。

技术实现思路

[0004]本申请提供一种异常信息确定方法、装置、设备、介质及产品，用以解决人工确定异常原因的方式效率低下问题。
[0005]第一方面，本申请提供一种异常信息确定方法，包括：
[0006]针对多个特征类型中的各所述特征类型，基于预设时间段内属于各所述特征类型的业务交易对应的交易数据，确定属于各所述特征类型的业务交易的成功率；
[0007]若属于目标特征类型的业务交易的成功率低于所述目标特征类型对应的成功率阈值，则将所述目标特征类型与属于所述目标特征类型的业务交易对应的目标交易数据，输入到训练完成的异常确定模型中，采用所述训练完成的异常确定模型，确定目标异常信息，所述目标特征类型为多个所述特征类型中的任一特征类型，所述目标异常信息表示造成属于所述目标特征类型的业务交易的成功率发生异常的原因；
[0008]基于所述目标异常信息进行告警。
[0009]第二方面，本申请提供一种异常信息确定装置，包括：
[0010]第一确定模块，用于针对多个特征类型中的各所述特征类型，基于预设时间段内属于各所述特征类型的业务交易对应的交易数据，确定属于各所述特征类型的业务交易的成功率；
[0011]第二确定模块，用于若属于目标特征类型的业务交易的成功率低于所述目标特征类型对应的成功率阈值，则将所述目标特征类型与属于所述目标特征类型的业务交易对应的目标交易数据，输入到训练完成的异常确定模型中，采用所述训练完成的异常确定模型，确定目标异常信息，所述目标特征类型为多个所述特征类型中的任一特征类型，所述目标异常信息表示造成属于所述目标特征类型的业务交易的成功率发生异常的原因；
[0012]告警模块，用于基于所述目标异常信息进行告警。
[0013]第三方面，本申请提供一种电子设备，包括：存储器，以及与所述处理器通信连接
的存储器；
[0014]所述存储器存储计算机执行指令；
[0015]所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的异常信息确定方法。
[0016]第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的异常信息确定方法。
[0017]第五方面，本申请提供一种计算机程序产品，包括计算机执行指令，所述计算机执行指令被处理器执行时实现第一方面任一项所述的异常信息确定方法。
[0018]本申请提供的异常信息确定方法、装置、设备、介质及产品，通过针对多个特征类型中的各特征类型，基于预设时间段内属于各特征类型的业务交易对应的交易数据，确定属于各特征类型的业务交易的成功率；若属于目标特征类型的业务交易的成功率低于目标特征类型对应的成功率阈值，则将目标特征类型与属于目标特征类型的业务交易对应的目标交易数据，输入到训练完成的异常确定模型中，采用训练完成的异常确定模型确定目标异常信息，目标特征类型为多个特征类型中的任一特征类型，目标异常信息表示造成属于目标特征类型的业务交易的成功率发生异常的原因；基于目标异常信息进行告警。本申请事先存储了属于各特征类型的业务交易对应的交易数据，从而能够基于该交易数据确定属于各特征类型的业务交易的成功率，若属于目标特征类型的业务交易的成功率低于该目标特征类型对应的成功率阈值，表示属于该目标特征类型的业务交易出现了异常，则可以借助于训练完成的异常确定模型确定目标异常信息，得到造成属于该目标特征类型的业务交易的成功率发生异常的原因，通过基于该目标异常信息进行告警，以便技术人员及时查看，本申请提供了一种全流程自动化的异常信息确定方案，该方案借助于异常确定模型实现，提高了所确定的目标异常信息的准确性且提高了确定效率。
附图说明
[0019]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0020]图1为本申请提供的一种应用场景的示意图；
[0021]图2为本申请提供的异常信息确定方法的流程示意图一；
[0022]图3为本申请提供的异常信息确定方法的流程示意图二；
[0023]图4为本申请提供的交易数据表的示意图；
[0024]图5为本申请提供的交易流程的示意图；
[0025]图6为本申请提供的数组队列的示意图；
[0026]图7为本申请提供的异常确定模型训练过程的流程示意图；
[0027]图8为本申请提供的训练样本集合矩阵的示意图；
[0028]图9为本申请提供的异常信息确定装置的结构示意图；
[0029]图10为本申请提供的电子设备的结构示意图。
[0030]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为
本领域技术人员说明本申请的概念。
具体实施方式
[0031]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0032]术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
[0033]需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
[0034]需要说明的是，本申请的异常信息确定方法、装置、设备、介质及产品可用于金融科技领域，也可用于除金融科技之外的任意领域，本申请对异常信息确定方法、装置、设备、介质及产品的应用领域不作限定。
[0035]为了清楚理解本申请的技术方案，首本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常信息确定方法，其特征在于，包括：针对多个特征类型中的各所述特征类型，基于预设时间段内属于各所述特征类型的业务交易对应的交易数据，确定属于各所述特征类型的业务交易的成功率；若属于目标特征类型的业务交易的成功率低于所述目标特征类型对应的成功率阈值，则将所述目标特征类型与属于所述目标特征类型的业务交易对应的目标交易数据，输入到训练完成的异常确定模型中，采用所述训练完成的异常确定模型，确定目标异常信息，所述目标特征类型为多个所述特征类型中的任一特征类型，所述目标异常信息表示造成属于所述目标特征类型的业务交易的成功率发生异常的原因；基于所述目标异常信息进行告警。2.根据权利要求1所述的方法，其特征在于，还包括：若当前时间为所述预设时间段的终止时间，则确定所述预设时间段对应的交易数据表，所述交易数据表存储有多个键值对，各所述键值对包括一个特征类型及属于所述特征类型的业务交易对应的交易数据；对所述交易数据表进行扫描，以执行所述针对多个特征类型中的各所述特征类型，基于预设时间段内属于各所述特征类型的业务交易对应的交易数据，确定属于各所述特征类型的业务交易的成功率的步骤。3.根据权利要求2所述的方法，其特征在于，还包括：接收客户端提交的针对任一业务交易的交易指令，所述交易指令携带所述业务交易的多个交易特征对应的特征参数；针对各所述交易特征，基于所述交易特征对应的特征参数所属的特征类型，更新当前时间所属的预设时间段对应的交易数据表中所述特征类型对应的交易数据。4.根据权利要求2所述的方法，其特征在于，还包括：针对各所述特征类型，每基于一个预设时间段对应的交易数据表确定出属于所述特征类型的业务交易的成功率，则将所述成功率与所述预设时间段的起始时间对应存储到所述特征类型对应的数组队列中。5.根据权利要求4所述的方法，其特征在于，还包括：针对各所述特征类型，每隔预设时长确定所述特征类型对应的成功率下降值；若所述成功率下降值高于所述特征类型对应的预设下降阈值，则生成第一告警信息并显示所述第一告警信息，所述第一告警信息用于表示所述特征类型对应的成功率下降值发生异常。6.根据权利要求1所述的方法，其特征在于，所述异常确定模型的训练过程，包括：获取样本特征类型、属于所述样本特征类型的业务交易对应的样本交易数据以...

【专利技术属性】
技术研发人员：沈聪，嵇海锋，杨旭，吴振东，
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：