【技术实现步骤摘要】
本专利技术涉及人工智能、金融科技领域或其他相关领域，具体而言，涉及一种基于神经网络模型的阈值告警方法及装置、电子设备。
技术介绍
1、金融科技的迅速发展对金融机构交易系统的稳定性提出了更高的要求，每一次交易指标的异常波动，运维人员都要及时地做出应对，以保证交易系统的安全稳定运行。对于联网核查公民身份信息交易业务，在监控方面，目前一般采用静态阈值报警方案结合报警分级策略，由运维人员设置根据经验设置固定的交易指标报警阈值，再分别设置不同级别报警的交易指标阈值上下限，以明确每次报警的重要程度。
2、相关技术中，静态报警阈值的制定规则较为模糊，在很大程度依赖于运维人员的经验水平，不同的人设定数值可能不同，另外，静态阈值方案无法覆盖业务数的周期性和实时性特征，导致交易告警不准确，误报率和漏报率大。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种基于神经网络模型的阈值告警方法及装置、电子设备，以至少解决相关技术中静态阈值告警方法无法捕捉交易数据的实时动态特征，导致交易告警不准确的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种基于神经网络模型的阈值告警方法，应用于联网身份核查交易业务场景，包括：通过目标金融系统获取目标金融业务的实时交易数据，其中，所述实时交易数据至少包括：时间点数据、日期类型数据以及实时交易量数据；依据指定预处理策略对所述时间点数据和所述日期类型数据进行预处理，得到时间戳和日期类型特
3、可选地，将所述时间戳和所述日期类型特征编码输入至预设神经网络模型，由所述预设神经网络模型依据所述时间戳和所述日期类型特征编码进行函数逼近运算，输出模型限制阈值的步骤，包括：依据预设时间序列分析方法对所述时间戳和所述日期类型特征编码进行分析，得到分析结果，其中，所述分析结果用于描述当前时间点对应的时间序列数据的时间成分，所述时间成分包括：线性趋势成分、季节性成分以及节假日成分；通过所述预设神经网络模型、所述线性趋势成分、所述季节性成分以及所述节假日成分进行所述函数逼近运算，得到运算结果，其中，所述运算结果是指在所述当前时间点能够对所述目标金融业务进行稳定交易的交易量取值区间，所述交易量取值区间由所述上限值和所述下限值构成；将所述交易量取值区间确定为所述模型限制阈值。
4、可选地，所述预设神经网络模型中包括：线性趋势函数，通过所述预设神经网络模型以及所述线性趋势成分进行函数逼近运算，得到运算结果的步骤，包括：将所述线性趋势成分代入至所述线性趋势函数，进行所述函数逼近运算，得到趋势运算结果，其中，所述线性趋势函数用于描述所述时间序列数据的线性变化规律，所述趋势运算结果是指依据所述线性变化规律和所述线性趋势成分确定的第一交易量取值区间；基于所述趋势运算结果中的所述第一交易量取值区间和第一预设权重进行加权运算，得到所述运算结果。
5、可选地，所述预设神经网络模型中还包括：季节性变化周期函数，通过所述预设神经网络模型以及所述季节性成分进行函数逼近运算，得到运算结果的步骤，包括：将所述季节性成分代入至所述季节性变化周期函数，进行所述函数逼近运算，得到季节性运算结果，其中，所述季节性变化周期函数用于描述所述时间序列数据的周期性变化规律，所述季节性运算结果是指依据所述周期性变化规律和所述季节性成分确定的第二交易量取值区间；基于所述季节性运算结果中的所述第二交易量取值区间和第二预设权重进行加权运算，得到所述运算结果。
6、可选地，所述预设神经网络模型中还包括：节假日变化指示函数，通过所述预设神经网络模型以及所述节假日成分进行函数逼近运算，得到运算结果的步骤，包括：将所述节假日成分代入至所述节假日变化指示函数，进行所述函数逼近运算，得到节假日运算结果，其中，所述节假日变化指示函数用于描述指定日期或指定时间段内所述时间序列数据的离群变化规律，所述节假日运算结果是指依据所述离群变化规律和所述节假日成分确定的第三交易量取值区间；基于所述节假日运算结果中的所述第三交易量取值区间和第三预设权重进行加权运算，得到所述运算结果。
7、可选地，所述预设神经网络模型包括：输入层，用于接收所述时间戳和所述日期类型特征编码，并依据预设时间序列分析方法对所述时间戳和所述日期类型特征编码进行分析，得到分析结果，其中，所述分析结果用于描述当前时间点对应的时间序列数据的时间成分，所述时间成分包括：线性趋势成分、季节性成分以及节假日成分；隐藏层，与所述输入层连接，包含n个神经元，每个所述神经元预置一个运算函数，所述运算函数用于依据所述时间成分进行函数逼近运算，得到运算结果，所述运算函数包括：线性趋势函数、季节性变化周期函数以及节假日变化指示函数，n为正整数；输出层，与所述隐藏层连接，用于对所有所述神经元运算得到的所有所述运算结果进行加权运算，得到所述模型限制阈值，并输出该模型限制阈值。
8、可选地，依据指定预处理策略对所述时间点数据和所述日期类型数据进行预处理，得到时间戳和日期类型特征编码的步骤，包括：基于预设时间精度确定标准时间格式，并依据所述标准时间格式构建时间处理函数；使用所述时间处理函数对所述时间点数据进行格式调整，得到所述时间戳；依据日期类型定义日期类型编码策略；使用所述日期类型编码策略对所述日期类型数据进行编码，得到所述日期类型特征编码。
9、根据本专利技术实施例的另一方面，还提供了一种基于神经网络模型的阈值告警装置，应用于联网身份核查交易业务场景，包括：获取单元，用于通过目标金融系统获取目标金融业务的实时交易数据，其中，所述实时交易数据至少包括：时间点数据、日期类型数据以及实时交易量数据；预处理单元，用于依据指定预处理策略对所述时间点数据和所述日期类型数据进行预处理，得到时间戳和日期类型特征编码；模型运算单元，用于将所述时间戳和所述日期类型特征编码输入至预设神经网络模型，由所述预设神经网络模型依据所述时间戳和所述日期类型特征编码进行函数逼近运算，输出模型限制阈值，其中，所述模型限制阈值至少包括：上限值和下限值，所述上限值大于所述下限值；确定单元，用于依据所述实时交易量数据和所述模型限制阈值确定告警触发方式，其中，所述告警触发方式用于执行关联所述目标金融业务的交易告警操作。
10、可选地，所述模型运算单元包括：分析模块，用于依据预设时间序列分析方法对所述时间戳和所述日期类型特征编码进行分析，得到分析结果，其中，所述分析结果用于描述当前时间点对应的时间序列数据的时间成分，所述时间成分包括：线性趋势成分、季节性成分以及节假日成分；运算模块，用本文档来自技高网...
【技术保护点】
1.一种基于神经网络模型的阈值告警方法，其特征在于，应用于联网身份核查交易业务场景，包括：
2.根据权利要求1所述的阈值告警方法，其特征在于，将所述时间戳和所述日期类型特征编码输入至预设神经网络模型，由所述预设神经网络模型依据所述时间戳和所述日期类型特征编码进行函数逼近运算，输出模型限制阈值的步骤，包括：
3.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中包括：线性趋势函数，通过所述预设神经网络模型以及所述线性趋势成分进行函数逼近运算，得到运算结果的步骤，包括：
4.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中还包括：季节性变化周期函数，通过所述预设神经网络模型以及所述季节性成分进行函数逼近运算，得到运算结果的步骤，包括：
5.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中还包括：节假日变化指示函数，通过所述预设神经网络模型以及所述节假日成分进行函数逼近运算，得到运算结果的步骤，包括：
6.根据权利要求1所述的阈值告警方法，其特征在于，所述预设神经网络模
7.根据权利要求1所述的阈值告警方法，其特征在于，依据指定预处理策略对所述时间点数据和所述日期类型数据进行预处理，得到时间戳和日期类型特征编码的步骤，包括：
8.一种基于神经网络模型的阈值告警装置，其特征在于，应用于联网身份核查交易业务场景，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于神经网络模型的阈值告警方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基于神经网络模型的阈值告警方法。
...【技术特征摘要】
1.一种基于神经网络模型的阈值告警方法，其特征在于，应用于联网身份核查交易业务场景，包括：
2.根据权利要求1所述的阈值告警方法，其特征在于，将所述时间戳和所述日期类型特征编码输入至预设神经网络模型，由所述预设神经网络模型依据所述时间戳和所述日期类型特征编码进行函数逼近运算，输出模型限制阈值的步骤，包括：
3.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中包括：线性趋势函数，通过所述预设神经网络模型以及所述线性趋势成分进行函数逼近运算，得到运算结果的步骤，包括：
4.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中还包括：季节性变化周期函数，通过所述预设神经网络模型以及所述季节性成分进行函数逼近运算，得到运算结果的步骤，包括：
5.根据权利要求2所述的阈值告警方法，其特征在于，所述预设神经网络模型中还包括：节假日变化指示函数，通过所述预设神经网络模型以及所述节假日成分进行函数逼近...
【专利技术属性】
技术研发人员：王晨蕊，
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。