[發明專利]基于應用日志的異常交易診斷方法及系統

有效

• 申請號: 202010611249.1
• 申請日: 2020-06-30
• 公開（公告）號: CN111798237B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 程鵬;任政;吳冕冠;齊頎
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q20/38
• 分類號: G06Q20/38;G06Q40/04;G06F18/214;G06F18/232;G06F18/243;G06F18/2433
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 趙平;王濤

1.一種基于應用日志的異常交易診斷方法，其特征在于，包括：

對交易的應用日志進行特征提取得到模板序列；

根據所述模板序列通過預設的異常交易分析模型確定所述交易的交易類型；

根據預設模式庫中所述交易類型對應的模板序列檢測所述模板序列對應的交易是否為異常交易；

進一步包括預先形成所述異常交易分析模型和所述模式庫的步驟；

所述形成所述異常交易分析模型和所述模式庫具體包括：

對歷史正常交易的應用日志進行特征提取得到模板序列；

通過聚類算法對歷史正常交易的模板序列進行聚類得到多個交易類型；

根據多個交易類型的模板序列對分類器進行分類訓練得到所述異常交易分析模型；

根據多個交易類型對應的模板序列以及各個模板序列的概率值形成模式庫；

所述根據預設模式庫中所述交易類型對應的模板序列檢測所述模板序列對應的交易是否為異常交易具體包括：

將所述模板序列與模式庫中對應交易類型的模板序列進行比對，確定所述模板序列的概率值，若所述概率值低于預設閾值，則所述交易為異常交易。

2.根據權利要求1所述的基于應用日志的異常交易診斷方法，其特征在于，所述對交易的應用日志進行特征提取得到模板序列具體包括：

對交易的每條應用日志中的特征字段進行特征提取得到日志模板；

根據交易的所有應用日志的日志模板得到模板序列。

3.根據權利要求1所述的基于應用日志的異常交易診斷方法，其特征在于，進一步包括：

獲取所述應用日志的起始時間和結束時間，得到所述交易的時長；

若所述交易的時長大于預設時間閾值，診斷所述交易為超時交易。

4.根據權利要求1所述的基于應用日志的異常交易診斷方法，其特征在于，所述根據所述模板序列通過預設的異常交易分析模型確定所述交易的交易類型具體包括：

根據所述模板序列通過預設的異常交易分析模型確定所述交易屬于目的交易類型的置信度，若所述置信度大于預設置信度閾值，確定所述交易的交易類型為所述目的交易類型。

5.根據權利要求1所述的基于應用日志的異常交易診斷方法，其特征在于，進一步包括獲取交易的應用日志的步驟：

通過Fluentd將原始日志數據根據交易打散后發送給Kafka集群；

通過Spark以訂閱方式從所述Kafka集群獲取打散后的原始日志數據。

6.一種基于應用日志的異常交易診斷系統，其特征在于，包括：

數據處理模塊，用于對交易的應用日志進行特征提取得到模板序列；

交易分類模塊，用于根據所述模板序列通過預設的異常交易分析模型確定所述交易的交易類型；

交易檢測模塊，用于根據預設模式庫中所述交易類型對應的模板序列檢測所述模板序列對應的交易是否為異常交易；

所述系統進一步包括模型構建模塊，所述模型構建模塊用于預先形成所述異常交易分析模型和所述模式庫；

所述模型構建模塊進一步包括日志處理單元、交易聚類單元、模型訓練單元和模式庫構建單元；

其中，所述日志處理單元用于對歷史正常交易的應用日志進行特征提取得到模板序列；

所述交易聚類單元用于通過聚類算法對歷史正常交易的模板序列進行聚類得到多個交易類型；

所述模型訓練單元用于根據多個交易類型的模板序列對分類器進行分類訓練得到所述異常交易分析模型；

所述模式庫構建單元用于根據多個交易類型對應的模板序列以及各個模板序列的概率值形成模式庫；

所述交易檢測模塊用于將所述模板序列與模式庫中對應交易類型的模板序列進行比對，確定所述模板序列的概率值，若所述概率值低于預設閾值，則所述交易為異常交易。

7.一種計算機設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，

所述處理器執行所述程序時實現如權利要求1-5任一項所述方法。

8.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，

該程序被處理器執行時實現如權利要求1-5任一項所述方法。