本申请涉及可用于人工智能领域的一种接口异常检测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；对接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；当实时接口名称与接口名称信息表匹配时，将实时接口名称、实时交易时间输入至目标RNN模型，输出预测交易量；根据待检测实时交易量、预测交易量、及接口异常规则，确定接口异常状况。采用本方法能够精准对接口进行异常检测。测。测。
【技术实现步骤摘要】
接口异常检测方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种接口异常检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着科学技术的发展，利用接口来进行数据交互的手段变得常见起来，例如，个人手机客户端系统可以通过调用系统的iisp010025接口(接口名称)来实现垃圾分类的功能。因此，接口在数据交互中发挥着非常重要的作用，一旦接口发生异常，整个数据交互的过程也随之发生异常。
[0003]目前对接口进行异常检测的手段主要是依赖人工经验的方式，为业务系统中接口的各个指标分别设置标准阈值，通过比较实时指标值及对应标准阈值，判断接口是否存在异常。然而，这种方法缺乏准确性，无法对接口异常进行精准的判断。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够精准的接口异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种接口异常检测方法，所述方法包括：
[0006]获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；
[0007]对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；
[0008]当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述实时交易时间输入至目标RNN模型，输出预测交易量；
[0009]根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。
[0010]在其中一个实施例中，还包括：
[0011]获取接口历史数据、及不同的初始RNN(Rerrent Neural Network，循环神经网络)模型，所述接口历史数据包括历史接口名称、历史交易时间、及历史交易量；
[0012]将所述接口历史数据划分为训练集与测试集；
[0013]根据所述训练集对所述不同的初始RNN模型进行训练，得到不同的训练完成的RNN模型；
[0014]将所述测试集中的所述历史接口名称、及所述历史交易时间输入至所述不同的训练完成的RNN模型，输出预测交易量；
[0015]将所述不同的训练完成的RNN模型的预测交易量与对应的所述历史交易量进行对比，确定目标RNN模型。
[0016]在其中一个实施例中，所述将所述不同的所述训练完成的RNN模型的预测交易量与对应的所述交易量进行对比，确定目标RNN模型包括：
[0017]将所述不同的训练完成的RNN模型的预测交易量与对应的所述交易量进行对比，得到所述不同的训练完成的RNN模型的准确率；
[0018]确定所述准确率最高的训练完成的RNN模型，得到目标RNN模型。
[0019]在其中一个实施例中，所述获取接口待检测实时数据包括：
[0020]从kafka消息系统获取接口待检测实时数据。
[0021]在其中一个实施例中，所述根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况包括：
[0022]对所述待检测实时交易量与所述预测交易量进行比较，得到比较结果；
[0023]根据所述接口异常规则、及所述比较结果，确定接口异常状况。
[0024]在其中一个实施例中，所述方法还包括：
[0025]当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、实时交易时间、及待检测实时交易量通过流式数据处理方法输入至预设数据库存储。
[0026]在其中一个实施例中，在所述根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况之后，还包括：
[0027]当所述接口异常状况为异常时，输出告警信息至用户。
[0028]第二方面，本申请还提供了一种接口异常检测装置，所述装置包括：
[0029]待检测数据获取模块，用于获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；
[0030]待检测数据解析模块，用于对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；
[0031]模型预测模块，用于当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述实时交易时间输入至目标RNN模型，输出预测交易量；
[0032]接口异常判断模块，用于根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。
[0033]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0034]获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；
[0035]对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；
[0036]当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述实时交易时间输入至目标RNN模型，输出预测交易量；
[0037]根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。
[0038]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0039]获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；
[0040]对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；
[0041]当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述
实时交易时间输入至目标RNN模型，输出预测交易量；
[0042]根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。
[0043]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0044]获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；
[0045]对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；
[0046]当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述实时交易时间输入至目标RNN模型，输出预测交易量；
[0047]根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。
[0048]上述接口异常检测方法、装置、计算机设备、存储介质和计算机程序产品，获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；对接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；当实时接口名称与接口名称信息表匹配时，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种接口异常检测方法，其特征在于，所述方法包括：获取目标RNN模型、接口待检测实时数据、接口名称信息表、及接口异常规则；对所述接口待检测实时数据进行解析，得到实时接口名称、实时交易时间、及待检测实时交易量；当所述实时接口名称与所述接口名称信息表匹配时，将所述实时接口名称、所述实时交易时间输入至目标RNN模型，输出预测交易量；根据所述待检测实时交易量、所述预测交易量、及所述接口异常规则，确定接口异常状况。2.根据权利要求1所述的方法，其特征在于，还包括：获取接口历史数据、及不同的初始RNN模型，所述接口历史数据包括历史接口名称、历史交易时间、及历史交易量；将所述接口历史数据划分为训练集与测试集；根据所述训练集对所述不同的初始RNN模型进行训练，得到不同的训练完成的RNN模型；将所述测试集中的所述历史接口名称、及所述历史交易时间输入至所述不同的训练完成的RNN模型，输出预测交易量；将所述不同的训练完成的RNN模型的预测交易量与对应的所述历史交易量进行对比，确定目标RNN模型。3.根据权利要求2所述的方法，其特征在于，所述将所述不同的所述训练完成的RNN模型的预测交易量与对应的所述交易量进行对比，确定目标RNN模型包括：将所述不同的训练完成的RNN模型的预测交易量与对应的所述交易量进行对比，得到所述不同的训练完成的RNN模型的准确率；确定所述准确率最高的训练完成的RNN模型，得到目标RNN模型。4.根据权利要求1所述的方法，其特征在于，所述获取接口待检测实时数据包括：从kafka消息系统获取接口待检测实时数据。5.根据权利要求1所述的方法，其特征在于，所述根据所述待检测...
【专利技术属性】
技术研发人员：宋嘉琪，
申请(专利权)人：中国银行股份有限公司，
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。