【技术实现步骤摘要】
本申请涉及金融数据传输，具体涉及一种数字化金融服务海量信息传输方法。
技术介绍
1、近年来，信息技术的迅猛发展，特别是云计算、大数据、人工智能等技术的成熟，为金融行业提供了更先进的工具和平台，而消费者对金融服务的需求不断增加，他们期望能够更便捷地进行交易、管理财富，并希望获得更个性化、智能化的服务，使得数字化金融服务的发展非常迅速，需求量也日渐提升，并且数字化金融服务的发展前景非常广阔，数字化金融服务不仅可以为金融机构带来更多的商业机会和收益来源，其次，数字化金融服务可以提高金融服务的效率和质量，降低金融机构的运营成本，增强金融竞争力，数字化金融服务还可以促进金融普惠，让更多人能够享受到便捷的金融服务，推动经济发展和社会进步。
2、然而，随着数字化金融服务的迅猛发展，金融机构面临着海量数据管理和分析等方面的压力，为解决这些问题，金融机构需要采用高效的数据压缩算法来减少数据存储空间和传输带宽，并提高数据处理效率，但是，在处理海量数据时，高效的压缩算法通常需要更长的时间，会引起信息丢失、效率低下以及无法准确针对数据的重复模式进行压缩等问题。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种数字化金融服务海量信息传输方法，以解决现有的问题。
2、本专利技术的一种数字化金融服务海量信息传输方法采用如下技术方案：
3、本专利技术一个实施例提供了一种数字化金融服务海量信息传输方法，该方法包括以下步骤：
4、获取金融服务信息传输数据；根据
5、根据结构化矩阵的各行数据结合聚类算法获取各个聚类簇的过渡变化值；根据各个聚类簇的过渡变化值结合各聚类簇的数值分布获取结构化矩阵各行的业务模式变化幅度；根据结构化矩阵所有行的业务模式变化幅度获取整体业务模式差异稳定指数；对于结构化矩阵的各行，根据结构化矩阵的整体业务模式差异稳定指数结合各行的数据分布获取各数据的差变稳健因子；根据结构化矩阵各行与其余行之间的相关性获取各个月份的综合模式关联程度；根据各个月份的综合模式关联程度结合结构化矩阵各数据的差变稳健因子获取各个月份的时间模式关联因子；将各个月份的时间模式关联因子与整体业务模式差异稳定指数的乘积作为各个月份的业务影响变更因子；
6、根据各个月份的业务影响变更因子对lz77算法的滑动窗口长度进行改进；结合改进后的滑动窗口对敏感数据进行压缩、加密完成金融服务信息的传输。
7、优选的，所述根据非敏感数据建立结构化矩阵，包括：
8、采用z-score算法对非敏感数据进行标准化，将各类型标准化后的非敏感数据按照月份顺序作为结构化矩阵的各行数据。
9、优选的，所述根据结构化矩阵的各行数据结合聚类算法获取各个聚类簇的过渡变化值，具体为：
10、对结构化矩阵的各行数据采用dbscan密度聚类进行聚类获取各聚类簇，分别将各聚类簇中数据对应最小月份、最大月份作为各聚类簇的左边界点、右边界点；
11、对于各聚类簇，将各聚类簇的左侧边界点数值与其左相邻聚类簇的右侧边界点数值的差值绝对值保存为左侧过渡变化值；将各聚类簇的右侧边界点数值与其右相邻聚类簇的左侧边界点数值的差值绝对值保存为右侧过渡变化值；将所述左侧过渡变化值与所述右侧过渡变化值的和值的二分之一作为各聚类簇的过渡变化值。
12、优选的，所述根据各个聚类簇的过渡变化值结合各聚类簇的数值分布获取结构化矩阵各行的业务模式变化幅度，具体为：
13、针对结构化矩阵各行，计算各聚类簇中数据的均值；针对各聚类簇，计算聚类簇中各数据与所述均值的差值的相反数；将所述相反数作为以自然常数为底数的指数函数的指数；计算所述指数函数的计算结果与聚类簇的过渡变化值的乘积；计算各聚类簇所有数据所述乘积的和值；将结构化矩阵各行所有聚类簇所述和值进行相加的结果作为结构化矩阵各行的业务模式变化幅度。
14、优选的，所述整体业务模式差异稳定指数具体为结构化矩阵所有行的业务模式变化幅度的和值。
15、优选的，所述对于结构化矩阵的各行，根据结构化矩阵的整体业务模式差异稳定指数结合各行的数据分布获取各数据的差变稳健因子，具体为：
16、针对结构化矩阵的各行，以各数据为中心，设置初始窗口以及窗口向两边增大的步长；结构化矩阵的第i行第g个数据的差变稳健因子表达式为：
17、
18、式中，为第i行的第g个数据的差变稳健因子，可以代表该数据周围数据变化的稳健程度，为第i行的第g个数据所在聚类簇的聚类簇内变异系数，为结构化矩阵k中第i行的业务模式变化幅度，为结构化矩阵k中第i行的第g个数据，为第p次增大后的窗口内数据均值，为第p次增大后的窗口内数据标准差，p为窗口增大的次数；
19、所述聚类簇内变异系数具体为第i行第g个数据所在聚类簇的标准差与均值的比值。
20、优选的，所述根据结构化矩阵各行与其余行之间的相关性获取各个月份的综合模式关联程度，包括：
21、将结构化矩阵中各行与其余行之间的皮尔逊相关系数作为相关系数矩阵中的各行数据；设置相关性阈值，获取相关性矩阵中大于所述相关性阈值的数据的个数s；
22、对结构化矩阵的各列数据进行直线拟合获取各列的斜率；各个月份的综合模式关联程度表达式为：
23、
24、式中，为第q个月份的综合模式关联程度，、、分别为第q列、第q-1列、第q+1列拟合直线的斜率，m为相似性矩阵行的个数，为最大值函数。
25、优选的，所述根据各个月份的综合模式关联程度结合结构化矩阵各数据的差变稳健因子获取各个月份的时间模式关联因子，包括：
26、将结构化矩阵各数据的差变稳健因子的相反数作为以自然常数为底数的指数函数的指数，计算结构化矩阵各列所有数据所述指数函数的计算结果的和值；将所述和值与各个月份的综合模式关联程度的乘积作为各个月份的时间模式关联因子。
27、优选的，所述根据各个月份的业务影响变更因子对lz77算法的滑动窗口长度进行改进，具体为：
28、预设lz77算法的初始窗口长度以及调节参数；计算各个月份的业务变更影响因子的归一化值与所述调节参数的和值；将所述和值与所述初始窗口长度的乘积的四舍五入取整的值作为lz77算法改进后的滑动窗口长度。
29、优选的，所述结合改进后的滑动窗口对敏感数据进行压缩、加密完成金融服务信息的传输，包括：
30、结合改进后的滑动窗口长度对敏感数据库的数据采用lz77算法进行压缩；将敏感数据库压缩后的数据采用aes算法进行加密。
31、本专利技术至少具有如下有益效果：
32、本专利技术主要根据敏感数据、非敏感数据分别构建敏感数据库、结构化矩阵，对结构化矩阵进行分析，基于密度聚类对矩阵中的每行数据进行分析，构建整体业务模式差本文档来自技高网...
【技术保护点】
1.一种数字化金融服务海量信息传输方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据非敏感数据建立结构化矩阵，包括：
3.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据结构化矩阵的各行数据结合聚类算法获取各个聚类簇的过渡变化值，具体为：
4.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据各个聚类簇的过渡变化值结合各聚类簇的数值分布获取结构化矩阵各行的业务模式变化幅度，具体为：
5.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述整体业务模式差异稳定指数具体为结构化矩阵所有行的业务模式变化幅度的和值。
6.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述对于结构化矩阵的各行，根据结构化矩阵的整体业务模式差异稳定指数结合各行的数据分布获取各数据的差变稳健因子，具体为：
7.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据结
8.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据各个月份的综合模式关联程度结合结构化矩阵各数据的差变稳健因子获取各个月份的时间模式关联因子，包括：
9.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据各个月份的业务影响变更因子对LZ77算法的滑动窗口长度进行改进，具体为：
10.如权利要求9所述的一种数字化金融服务海量信息传输方法，其特征在于，所述结合改进后的滑动窗口对敏感数据进行压缩、加密完成金融服务信息的传输，包括：
...【技术特征摘要】
1.一种数字化金融服务海量信息传输方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据非敏感数据建立结构化矩阵，包括：
3.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据结构化矩阵的各行数据结合聚类算法获取各个聚类簇的过渡变化值，具体为：
4.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述根据各个聚类簇的过渡变化值结合各聚类簇的数值分布获取结构化矩阵各行的业务模式变化幅度，具体为：
5.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述整体业务模式差异稳定指数具体为结构化矩阵所有行的业务模式变化幅度的和值。
6.如权利要求1所述的一种数字化金融服务海量信息传输方法，其特征在于，所述对于结...
【专利技术属性】
技术研发人员：石桥，
申请(专利权)人：神州数码融信云技术服务有限公司，
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。