本申请提供了一种交易风险预测方法及装置，可用于金融领域或其他领域，方法包括：获取目标交易系统的多源风险预测数据；根据在每个时间点的交易流量，确定在当前时间点的交易流量的正态偏差；对每个时间点的每个服务器的硬件参数数据，确定当前时间点的平滑处理结果差值最大值和服务器的平滑处理结果；根据在每个时间点的交易瞬时变化速度和交易变化率，确定在当前时间点的交易变化速度标准差值和交易变化率标准差值；根据交易变化速度标准差值、交易变化率标准差值、交易流量对应的正态偏差、平滑处理结果差值最大值和平滑处理结果，得到目标交易系统的交易风险预测结果。本申请能够提高交易风险预测的准确性和效率，进而能够交易过程的可靠性。够交易过程的可靠性。够交易过程的可靠性。
【技术实现步骤摘要】
交易风险预测方法及装置
[0001]本申请涉及数据处理
，尤其涉及一种交易风险预测方法及装置。
技术介绍
[0002]随着金融业的发展，交易数量也越来越多，对保证交易过程安全性的要求越来越高。
[0003]目前，通常是在发生明显交易失败之后，需要运维人员人工进行故障排查，并且数据源单一，存在效率低，成本高以及滞后风险等，影响客户体验。
技术实现思路
[0004]针对现有技术中的问题，本申请提出了一种交易风险预测方法及装置，能够提高交易风险预测的准确性和效率，进而能够交易过程的可靠性。
[0005]为了解决上述技术问题，本申请提供以下技术方案：
[0006]第一方面，本申请提供一种交易风险预测方法，包括：
[0007]获取目标交易系统的多源风险预测数据，所述多源风险预测数据包括：所述目标交易系统的子系统在多个时间点的交易流量、交易瞬时变化速度、交易变化率以及该目标交易系统的多个服务器的硬件参数数据，所述多个时间点以当前时间点为结束时间点；
[0008]根据所述子系统在每个时间点的交易流量，确定该子系统在所述当前时间点的所述交易流量对应的正态偏差；
[0009]对每个时间点的每个服务器的硬件参数数据进行平滑处理，确定所述当前时间点的平滑处理结果差值最大值以及该服务器对应的平滑处理结果；
[0010]根据所述子系统在每个时间点的交易瞬时变化速度和交易变化率，确定该子系统在所述当前时间点的交易变化速度标准差值和交易变化率标准差值；
[0011]根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果。
[0012]在一个实施例中，所述根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果，包括：
[0013]将所述当前时间点的每个服务器的平滑处理结果与所述当前时间点的平滑处理结果差值最大值之间的比值，确定为该服务器的硬件参数判别值；
[0014]检测是否存在对应的硬件参数判别值大于等于判别值阈值的异常服务器，若是，则确定所述目标交易系统的交易风险预测结果为硬件异常预测结果。
[0015]在一个实施例中，所述根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果，包括：
[0016]确定是否存在满足预设的第一交易风险判别条件或者预设的第二交易风险判别条件的子系统，若是，则确定所述目标交易系统的交易风险预测结果为业务异常预测结果；
[0017]所述预设的第一交易风险判别条件为：所述交易流量对应的正态偏差小于正态偏差阈值，所述预设的第二交易风险判别条件为：交易变化速度标准差值小于交易变化速度标准差值阈值并且交易变化率标准差值大于交易变化率标准差值阈值。
[0018]在一个实施例中，所述对每个时间点的每个服务器的硬件参数数据进行平滑处理，确定所述当前时间点的平滑处理结果差值最大值以及该服务器对应的平滑处理结果，包括：
[0019]根据预获取的平滑系数以及所述服务器在每个时间点的硬件参数数据，确定该服务器在该时间点的平滑处理结果；
[0020]将每个服务器在当前时间点与其前一时间点的平滑处理结果之间的差值，确定为该服务器在当前时间点的平滑处理结果差值；
[0021]从各个服务器在当前时间点的平滑处理结果差值中选取值最大的平滑处理结果差值，确定为所述当前时间点的平滑处理结果差值最大值。
[0022]在一个实施例中，在所述获取目标交易系统的多源风险预测数据之后，还包括：
[0023]根据预设的交易风险预测模型和所述多源风险预测数据，确定所述目标交易系统的交易风险预测结果；
[0024]其中，所述预设的交易风险预测模型包括：预设的业务风险预警子模型以及预设的硬件风险预警子模型，所述预设的业务风险预警子模型以及预设的硬件风险预警子模型分别由分类模型训练得到。
[0025]在一个实施例中，所述根据预设的交易风险预测模型和所述多源风险预测数据，确定所述目标交易系统的交易风险预测结果，包括：
[0026]根据预设的业务风险预警子模型、所述子系统在各个时间点的交易流量、交易瞬时变化速度和交易变化率，确定该子系统的业务风险预测等级；
[0027]应用预设的硬件风险预警子模型以及每个服务器的硬件参数数据，确定各个服务器的硬件风险预测等级；
[0028]根据所述子系统的业务风险预测等级和各个服务器的硬件风险预测等级，确定所述目标交易系统的交易风险预测结果。
[0029]在一个实施例中，所述的交易风险预测方法还包括：
[0030]输出所述交易风险预测结果对应的预警信息并广播。
[0031]第二方面，本申请提供一种交易风险预测装置，包括：
[0032]获取模块，用于获取目标交易系统的多源风险预测数据，所述多源风险预测数据包括：所述目标交易系统的子系统在多个时间点的交易流量、交易瞬时变化速度、交易变化率以及该目标交易系统的多个服务器的硬件参数数据，所述多个时间点以当前时间点为结束时间点；
[0033]第一确定模块，用于根据所述子系统在每个时间点的交易流量，确定该子系统在所述当前时间点的所述交易流量对应的正态偏差；
[0034]平滑处理模块，用于对每个时间点的每个服务器的硬件参数数据进行平滑处理，确定所述当前时间点的平滑处理结果差值最大值以及该服务器对应的平滑处理结果；
[0035]第二确定模块，用于根据所述子系统在每个时间点的交易瞬时变化速度和交易变化率，确定该子系统在所述当前时间点的交易变化速度标准差值和交易变化率标准差值；
[0036]第一风险预测模块，用于根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果。
[0037]在一个实施例中，所述风险预测模块包括：
[0038]第一确定单元，用于将所述当前时间点的每个服务器的平滑处理结果与所述当前时间点的平滑处理结果差值最大值之间的比值，确定为该服务器的硬件参数判别值；
[0039]检测单元，用于检测是否存在对应的硬件参数判别值大于等于判别值阈值的异常服务器，若是，则确定所述目标交易系统的交易风险预测结果为硬件异常预测结果。
[0040]在一个实施例中，所述风险预测模块包括：
[0041]第二确定单元，用于确定是否存在满足预设的第一交易风险判别条件或本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交易风险预测方法，其特征在于，包括：获取目标交易系统的多源风险预测数据，所述多源风险预测数据包括：所述目标交易系统的子系统在多个时间点的交易流量、交易瞬时变化速度、交易变化率以及该目标交易系统的多个服务器的硬件参数数据，所述多个时间点以当前时间点为结束时间点；根据所述子系统在每个时间点的交易流量，确定该子系统在所述当前时间点的所述交易流量对应的正态偏差；对每个时间点的每个服务器的硬件参数数据进行平滑处理，确定所述当前时间点的平滑处理结果差值最大值以及该服务器对应的平滑处理结果；根据所述子系统在每个时间点的交易瞬时变化速度和交易变化率，确定该子系统在所述当前时间点的交易变化速度标准差值和交易变化率标准差值；根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果。2.根据权利要求1所述的交易风险预测方法，其特征在于，所述根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果，包括：将所述当前时间点的每个服务器的平滑处理结果与所述当前时间点的平滑处理结果差值最大值之间的比值，确定为该服务器的硬件参数判别值；检测是否存在对应的硬件参数判别值大于等于判别值阈值的异常服务器，若是，则确定所述目标交易系统的交易风险预测结果为硬件异常预测结果。3.根据权利要求1所述的交易风险预测方法，其特征在于，所述根据所述子系统在所述当前时间点的交易变化速度标准差值、交易变化率标准差值、所述交易流量对应的正态偏差、所述平滑处理结果差值最大值以及各个服务器对应的平滑处理结果，得到所述目标交易系统的交易风险预测结果，包括：确定是否存在满足预设的第一交易风险判别条件或者预设的第二交易风险判别条件的子系统，若是，则确定所述目标交易系统的交易风险预测结果为业务异常预测结果；所述预设的第一交易风险判别条件为：所述交易流量对应的正态偏差小于正态偏差阈值，所述预设的第二交易风险判别条件为：交易变化速度标准差值小于交易变化速度标准差值阈值并且交易变化率标准差值大于交易变化率标准差值阈值。4.根据权利要求1所述的交易风险预测方法，其特征在于，所述对每个时间点的每个服务器的硬件参数数据进行平滑处理，确定所述当前时间点的平滑处理结果差值最大值以及该服务器对应的平滑处理结果，包括：根据预获取的平滑系数以及所述服务器在每个时间点的硬件参数数据，确定该服务器在该时间点的平滑处理结果；将每个服务器在当前时间点与其前一时间点的平滑处理结果之间的差值，确定为该服务器在当前时...
【专利技术属性】
技术研发人员：陈芳军，毛培芳，张学星，陈求相，
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：
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。