【技术实现步骤摘要】
本专利技术涉及大数据处理与挖掘，尤其涉及一种风险监控方法、装置、电子设备和计算机可读介质。
技术介绍
1、在大型金融组织机构内部，主要的使用java语言进行项目开发，在开发过程中存在大量的开发模式，使用了很多不同的框架。开发模式不同，造成应用集成难度大；使用框架不同，造成层出不穷的五花八门的安全问题。为了解决问题，通常各个机构使用统一框架，以及基于统一框架的开发模式。
2、在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
3、各个机构使用统一框架后，无法准确了解应用运行的风险情况以及框架的使用情况。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种风险监控方法和装置，以解决无法准确了解应用运行的风险情况以及框架的使用情况的技术问题。
2、为实现上述目的，根据本专利技术实施例的一个方面，提供了一种风险监控方法，包括：
3、接收各个机构的应用端上传的指标数据和授权信息，对所述授权信息进行校验，如果校验通过，则根据所述授权信息匹配出所述各个应用端对应的机构标识、各个预警标签及其对应的预警条件；其中，所述各个预警标签包括机构定义的各个第一预警标签和平台定义的各个第二预警标签，所述第一预警标签为所述第二预警标签的子集；
4、对于每个机构，响应于所述机构的指标数据达到目标预警标签对应的预警条件，对所述机构添加所述目标预警标签；
5、基于所述各个机构对应的指标数据和机构标识，构建所述各个机构的特性向量，
6、根据聚类结果以及所述各个机构对应的目标预警标签，计算所述各个机构的风险情况。
7、可选地，基于所述各个机构对应的指标数据和机构标识，构建所述各个机构的特性向量，从而对所述各个机构的特征向量进行聚类，包括：
8、对于每个机构，将所述机构对应的指标数据转换成指标特征向量，将所述机构对应的机构标识转换成机构特征向量，将所述指标特征向量和所述机构特征向量拼接成特征向量；
9、对所述各个机构的特征向量进行聚类，从而得到多个簇。
10、可选地，将所述机构对应的机构标识转换成机构特征向量，包括：
11、根据所述机构对应的机构标识，确定所述机构在树状机构信息中的位置信息；
12、根据所述机构在树状机构信息中的位置信息，将所述机构标识转换成机构特征向量；其中，机构特征向量的维度为所述树状机构信息中叶子节点所在层数。
13、可选地，根据聚类结果以及所述各个机构对应的目标预警标签，计算所述各个机构的风险情况，包括：
14、对于每个簇，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，从而得到所述簇中各个机构的当前风险指数和预测风险指数；
15、根据所述各个机构的当前风险指数和预测风险指数，分别确定所述各个机构的风险等级。
16、可选地，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，包括：
17、对于所述簇中的每个机构，将所述机构对应的各个第一目标预警标签的总数量乘以所述机构的环境权重，从而得到所述机构的当前风险指数；
18、将所述簇中各个机构的当前风险指数相加后除以所述簇中的各个机构的总数量，从而得到所述簇的平均当前风险指数；
19、对于所述簇中的每个机构，将所述机构对应的各个第三目标预警标签的总数量乘以所述机构的环境权重，从而得到所述机构的预测风险指数；其中，所述第三目标预警标签为所述第一目标预警标签与所述第二目标预警标签中不重叠的目标预警标签；
20、将所述簇中各个机构的预测风险指数相加后除以所述簇中的各个机构的总数量，从而得到所述簇的平均预测风险指数。
21、可选地，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，从而得到所述簇中各个机构的当前风险指数和预测风险指数，包括：
22、根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数；
23、对于所述簇中的每个机构，根据所述机构的等级确定所述机构的簇权重，将所述簇权重分别乘以所述簇的平均当前风险指数和平均预测风险指数，从而得到所述机构的当前风险指数和预测风险指数。
24、另外，根据本专利技术实施例的另一个方面，提供了一种风险监控装置，包括：
25、接收模块，用于接收各个机构的应用端上传的指标数据和授权信息，对所述授权信息进行校验，如果校验通过，则根据所述授权信息匹配出所述各个应用端对应的机构标识、各个预警标签及其对应的预警条件；其中，所述各个预警标签包括机构定义的各个第一预警标签和平台定义的各个第二预警标签，所述第一预警标签为所述第二预警标签的子集；
26、标签模块，用于对于每个机构，响应于所述机构的指标数据达到目标预警标签对应的预警条件，对所述机构添加所述目标预警标签；
27、聚类模块，用于基于所述各个机构对应的指标数据和机构标识，构建所述各个机构的特性向量，从而对所述各个机构的特征向量进行聚类；
28、计算模块，用于根据聚类结果以及所述各个机构对应的目标预警标签，计算所述各个机构的风险情况。
29、可选地，所述聚类模块还用于：
30、对于每个机构，将所述机构对应的指标数据转换成指标特征向量，将所述机构对应的机构标识转换成机构特征向量，将所述指标特征向量和所述机构特征向量拼接成特征向量；
31、对所述各个机构的特征向量进行聚类，从而得到多个簇。
32、可选地，所述聚类模块还用于：
33、根据所述机构对应的机构标识，确定所述机构在树状机构信息中的位置信息；
34、根据所述机构在树状机构信息中的位置信息，将所述机构标识转换成机构特征向量；其中，机构特征向量的维度为所述树状机构信息中叶子节点所在层数。
35、可选地，所述计算模块还用于：
36、对于每个簇，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，从而得到所述簇中各个机构的当前风险指数和预测风险指数；
37、根据所述各个机构的当前风险指数和预测风险指数，分别确定所述各个机构的风险等级。
38、可选地，所述计算模块还用于：
39、对于所述簇中的每个机构，将所述机构对应的各个第一目标预警标签的总数量乘以所述机构的环境权重，从而得到所述机构的当前风险指数；
40、将所述簇中各个机构的当前风险指数相加后除以所述簇中的各个机构的总数量，从而得到所述簇的平均当前风险指数；
41、对于所述簇中的每个机构，将所述机构对应的各个第三目标预警标签的总数量乘以所述机构的环境权重，从而得到所述机构的预测风险指数；其中，本文档来自技高网...
【技术保护点】
1.一种风险监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述各个机构对应的指标数据和机构标识，构建所述各个机构的特性向量，从而对所述各个机构的特征向量进行聚类，包括：
3.根据权利要求2所述的方法，其特征在于，将所述机构对应的机构标识转换成机构特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，根据聚类结果以及所述各个机构对应的目标预警标签，计算所述各个机构的风险情况，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，包括：
6.根据权利要求4所述的方法，其特征在于，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，从而得到所述簇中各个机构的当前风险指数和预测风险指数，包括：
7.一种风险监控装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述聚类模块还用于：
9.根据权利要求8所述的装置，其特
10.根据权利要求7所述的装置，其特征在于，所述计算模块还用于：
11.根据权利要求10所述的装置，其特征在于，所述计算模块还用于：
12.根据权利要求10所述的装置，其特征在于，所述计算模块还用于：
13.一种电子设备，其特征在于，包括：
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种风险监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述各个机构对应的指标数据和机构标识，构建所述各个机构的特性向量，从而对所述各个机构的特征向量进行聚类，包括：
3.根据权利要求2所述的方法，其特征在于，将所述机构对应的机构标识转换成机构特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，根据聚类结果以及所述各个机构对应的目标预警标签，计算所述各个机构的风险情况，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，包括：
6.根据权利要求4所述的方法，其特征在于，根据所述簇中各个机构对应的各个目标预警标签，计算所述簇的平均当前风险指数和平均预测风险指数，从而得到所述簇中各个机构的当前风险指...
【专利技术属性】
技术研发人员：张纪国，杨宇鹏，
申请(专利权)人：中国建设银行股份有限公司，
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。