[發明專利]一種基于機器學習的銀行設備故障告警方法

在審

• 申請號: 202211468640.6
• 申請日: 2022-11-22
• 公開（公告）號: CN115760064A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 張聰
• 申請（專利權）人: 中國農業銀行股份有限公司湖北省分行
• 主分類號: G06Q10/20
• 分類號: G06Q10/20;G06Q40/02;G06F18/241
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 劉志菊

本發明公開了本發明涉及軟件系統技術領域，具體涉及一種基于機器學習的銀行設備故障告警方法，通過對啟發式搜索算法以及基于關聯規則的特征選擇CFS的分析研究，提出了基于雙向搜索BDS與特征關聯關系FC的特征選擇算法BDS+FCA，在分析了銀行數據特點以及相關機器學習算法的基礎上，選擇適合銀行故障數據特點的支持向量機SVM、樸素貝葉斯以及最大期望算法EM算法，將這些算法通過組合應用到系統中；在理論研究的基礎上通過對銀行故障告警系統進行需求分析并完成詳細的系統設計，同時將BDS十FCA特征選擇算法以及SVM、樸素貝葉斯、EM算法應用到系統的核心模塊中；最后利用J2EE,MongoDB,Weka等技術實現了該系統，并對系統進行了功能測試以及模型有效性測試。

技術領域

本發明涉及設備故障告警方法技術領域，具體為一種基于機器學習的銀行設備故障告警方法。

背景技術

信息數據安全是金融行業IT建設的關鍵。金融行業對信息技術的依賴不斷提高，金融機構一一尤其是銀行信息安全工作的難度也加深了。而銀行數據中心作為重要的金融基礎設施，承擔重要任務的穩定運行和業務創新。在新式銀行客戶服務形式下，數據中心必需滿足更加有效的信息共享與業務支持需求，需要不間斷地為系統提供服務，比如網銀、信貸、手機銀行等多種服務手段。銀行電子渠道類型的交易量的增加，交易量的突然加大，為系統處理大規模的并發事務巨大的挑戰。這對銀行數據中心的資源管理、性能監控以及與業務的關聯分析提出了更嚴苛的要求。隨著數據大集中的實施，仃資源的運行和維護管理方式由分散轉向集中。基于保障核心銀行系統的穩定運行的出發點，構建一個科學、系統、高效的運維系統對銀行IT資源的精細化管理意義重大。IT基礎設施的正常運行是確保各種業務正常運行的基石，而IT基礎設施在運行的過程中可能會出現各種人為意料之外的故障。在遇到故障時能夠及時地解決問題是很重要的，現在很多銀行也都能夠確保這點，但是如果能夠轉換故障處理方式，由現在的被動解決轉變為主動防御，對銀行的系統安全運行會有很大意義。而這里所指的主動防御便是利用實時采集的大量IT投施以及交易監控數據，進行挖掘分析，通過機器學習，建立模型，對基礎設備故障以及交易超時現象進行預測告警，最大限度地控制rr設施對銀行業務的不利影響，提高銀行整體業務運行的效率。機器學習在運維系統中的應用逐漸被各大公司所關注并實踐，各大互聯網公司都在通過機器學習對海量運維數據進行挖掘，使得運維流程更加智能與自動化，即機器學習在故障預警系統中的應用逐漸成熟，而銀行作為傳統行業中的數量生成大戶，也可以利用機器學習對IT運維數據進行模式學習，從而更加智能地進行故障告警的預測，保證銀行核心業務的正常運轉。在銀行系統中，當系統的運維數據很大的時候，業務表現、系統性能以及系統參數之間的關系往往具有更加復雜的非線性轉化特征。我們可以選擇合適的機器學習算法，對數據之間的關系以及數據之間隱含的模式進行智能挖掘，從而對各個模塊硬件發生故障的可能性進行主動預警，降低故障對系統的影響，提高運維的效率，基于此提出了一種基于機器學習的銀行設備故障告警方法。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于機器學習的銀行設備故障告警方法，具備以下闡述等優點，解決了上述背景技術中所述的問題。

(二)技術方案

為實現上述所述目的，本發明提供如下技術方案：一種基于機器學習的銀行設備故障告警方法，包括以下步驟：

S1：基于常用的特征選擇算法，提出了基于雙向搜索與屬性關聯關系相結合的特征選擇算法BDS+FCA，并對該算法在特征子集選擇的優良性以及時間性能方面進行了驗證；

S2：詳細分析SVM、樸素貝葉斯以及EM算法的優缺點，基于雙向搜索與屬性關聯關系相結合的特征選擇算法BDS+FCA，并對該算法在特征子集選擇的優良性以及時間性能方面進行驗證；