[發(fā)明專利]基于人工智能的業(yè)務(wù)數(shù)據(jù)檢測方法、裝置、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010612076.5
• 申請日: 2020-06-30
• 公開（公告）號: CN111767192B
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計）人: 李倩楓
• 申請（專利權(quán)）人: 深圳賽安特技術(shù)服務(wù)有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N20/00
• 代理公司: 華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 吳平

本申請涉及一種基于人工智能的業(yè)務(wù)數(shù)據(jù)檢測方法、裝置、計算機設(shè)備和存儲介質(zhì)。方法包括：接收業(yè)務(wù)數(shù)據(jù)檢測請求，檢測請求中攜帶有用戶標識；獲取用戶標識對應(yīng)的業(yè)務(wù)系統(tǒng)，從業(yè)務(wù)系統(tǒng)中獲取待檢測業(yè)務(wù)數(shù)據(jù)；獲取根據(jù)單個離散線程對待檢測業(yè)務(wù)數(shù)據(jù)進行異常性檢測所耗費的離散處理時間；獲取根據(jù)單個模型線程對待檢測業(yè)務(wù)數(shù)據(jù)進行異常性檢測所耗費的目標處理時間；根據(jù)目標處理時間與離散處理時間的比值確定模型線程數(shù)量；利用一個離散線程以及模型線程數(shù)量對應(yīng)的各模型線程并行對待檢測業(yè)務(wù)數(shù)據(jù)進行處理得到異常數(shù)據(jù)。采用本方法能夠提高業(yè)務(wù)數(shù)據(jù)異常性檢測效率。其中，異常數(shù)據(jù)可存儲于區(qū)塊鏈中。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，特別是涉及一種基于人工智能的業(yè)務(wù)數(shù)據(jù)檢測方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)

隨著大數(shù)據(jù)信息技術(shù)的發(fā)展，在業(yè)務(wù)進程中對業(yè)務(wù)數(shù)據(jù)進行監(jiān)測以及時發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)中存在的異常數(shù)據(jù)是及其重要的。

傳統(tǒng)技術(shù)中利用預(yù)先訓(xùn)練好的異常數(shù)據(jù)識別模型對數(shù)據(jù)的風險性進行檢測，由于模型是利用特定訓(xùn)練集進行訓(xùn)練的，使得模型的訓(xùn)練具有滯后性，一旦異常數(shù)據(jù)發(fā)生變化，就會導(dǎo)致利用預(yù)先訓(xùn)練的異常數(shù)據(jù)識別模型識別到的異常數(shù)據(jù)的準確率低下。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提高業(yè)務(wù)數(shù)據(jù)檢測效率的基于人工智能的業(yè)務(wù)數(shù)據(jù)檢測方法、裝置、計算機設(shè)備和存儲介質(zhì)。

一種基于人工智能的業(yè)務(wù)數(shù)據(jù)檢測方法，方法包括：

接收業(yè)務(wù)數(shù)據(jù)檢測請求，檢測請求中攜帶有用戶標識；

獲取用戶標識對應(yīng)的業(yè)務(wù)系統(tǒng)，從業(yè)務(wù)系統(tǒng)中獲取待檢測業(yè)務(wù)數(shù)據(jù)；

獲取根據(jù)單個離散線程對待檢測業(yè)務(wù)數(shù)據(jù)進行異常性檢測所耗費的離散處理時間；

獲取根據(jù)單個模型線程對待檢測業(yè)務(wù)數(shù)據(jù)進行異常性檢測所耗費的目標處理時間；

根據(jù)目標處理時間與離散處理時間的比值確定模型線程數(shù)量；

利用一個離散線程以及模型線程數(shù)量對應(yīng)的各模型線程并行對待檢測業(yè)務(wù)數(shù)據(jù)進行處理得到異常數(shù)據(jù)。

在其中一個實施例中，利用一個離散線程以及模型線程數(shù)量對應(yīng)的各模型線程并行對業(yè)務(wù)數(shù)據(jù)進行處理得到異常數(shù)據(jù)，包括：

利用一個離散線程以及模型線程數(shù)量對應(yīng)的各模型線程并行對待檢測業(yè)務(wù)數(shù)據(jù)進行處理得到待檢驗異常數(shù)據(jù)；

利用校驗線程對待檢驗異常數(shù)據(jù)進行校驗得到異常數(shù)據(jù)。

在其中一個實施例中，利用一個離散線程以及模型線程數(shù)量對應(yīng)的各模型線程并行對待檢測業(yè)務(wù)數(shù)據(jù)進行處理得到待檢驗異常數(shù)據(jù)，包括：

在離散線程中根據(jù)離散性檢測算法計算業(yè)務(wù)數(shù)據(jù)的偏移指標，根據(jù)偏移指標得到第一待檢驗異常數(shù)據(jù)；

在與離散線程互為并行線程的模型線程中將各業(yè)務(wù)數(shù)據(jù)輸入至預(yù)先訓(xùn)練的異常評估模型，以通過異常評估模型中的異常評估因子對業(yè)務(wù)數(shù)據(jù)的異常性進行評估得到異常指標，根據(jù)異常指標得到第二待檢驗異常數(shù)據(jù)；

利用校驗線程對待檢驗異常數(shù)據(jù)進行校驗得到異常數(shù)據(jù)，包括：

在與離散線程以及模型線程互為串行線程的校驗線程中，根據(jù)第一待檢驗異常數(shù)據(jù)以及第二待檢驗異常數(shù)據(jù)得到業(yè)務(wù)數(shù)據(jù)對應(yīng)的異常數(shù)據(jù)。

在其中一個實施例中，在與離散線程以及模型線程互為串行線程的校驗線程中，根據(jù)第一待檢驗異常數(shù)據(jù)以及第二待檢驗異常數(shù)據(jù)得到業(yè)務(wù)數(shù)據(jù)對應(yīng)的異常數(shù)據(jù)，包括：

在校驗線程中將第一待檢驗異常數(shù)據(jù)與第二待檢驗異常數(shù)據(jù)進行比對，將比對成功的數(shù)據(jù)提取為異常數(shù)據(jù)并添加至異常數(shù)據(jù)集，將比對不成功的數(shù)據(jù)提取為待校驗數(shù)據(jù)；