[发明专利]交易流量监控方法及系统

说明书

本发明提供一种交易流量监控方法及系统。该交易流量监控方法包括：将k个历史交易流量数据输入预设的交易流量预测模型中，得到当前交易流量数据的预测值；其中，交易流量预测模型的动态阈值确定方式为：将n个训练数据输入交易流量预测模型中，得到训练数据预测值；根据训练数据预测值和预先获取的训练数据真实值确定动态阈值；根据当前交易流量数据的预测值、当前交易流量数据的真实值和动态阈值判断当前交易流量数据的真实值是否异常；当当前交易流量数据的真实值异常时，将当前交易流量数据的真实值标注为异常值。本发明可以提高监控的报警定位能力，减少漏报、误报、运维成本和人力成本。

技术领域

本发明涉及人工智能技术领域，具体地，涉及一种交易流量监控方法及系统。

背景技术

由于金融领域对IT系统服务要求极为苛刻，要求7×24持续不间断，接近于“零”宕机的99.999％要求，互联网金融业务的持续创新带来其支持软件的不断变化和迭代以及对IT系统服务越来越高的要求，在互联网金融行业中的运维领域也必须引入新技术、新思路、新体系来更好更智能化地为互联网金融保驾护航。

传统的运维技术为基于专家规则的固定阈值进行监控告警，有以下缺点及局限性：一是监控阈值的设置往往带有主观性，经常出现准确率低、误告警率高的问题，使运维人员无法快速精准定位问题，运维效率低；二是随着互联网金融业务的迅猛发展，相应的应用数量众多、系统规模巨大，各类技术监控指标、业务监控指标越来越多，监控数据量越来越大，使用传统的设置专家规则方法工作量巨大且难以维护。

发明内容

本发明实施例的主要目的在于提供一种交易流量监控方法及系统，以提高监控的报警定位能力，减少运维成本和人力成本。

为了实现上述目的，本发明实施例提供一种交易流量监控方法，包括：

将k个历史交易流量数据输入预设的交易流量预测模型中，得到当前交易流量数据的预测值；其中，交易流量预测模型的动态阈值确定方式为：将n个训练数据输入交易流量预测模型中，得到训练数据预测值；根据训练数据预测值和预先获取的训练数据真实值确定动态阈值；n和k为大于1的整数；

根据当前交易流量数据的预测值、当前交易流量数据的真实值和动态阈值判断当前交易流量数据的真实值是否异常；

当当前交易流量数据的真实值异常时，将当前交易流量数据的真实值标注为异常值。

本发明实施例还提供一种交易流量监控系统，包括：

当前数据预测单元，用于将k个历史交易流量数据输入预设的交易流量预测模型中，得到当前交易流量数据的预测值；其中，交易流量预测模型的动态阈值确定方式为：将n个训练数据输入交易流量预测模型中，得到训练数据预测值；根据训练数据预测值和预先获取的训练数据真实值确定动态阈值；n和k为大于1的整数；

第一判断单元，用于根据当前交易流量数据的预测值、当前交易流量数据的真实值和动态阈值判断当前交易流量数据的真实值是否异常；

标注单元，用于当当前交易流量数据的真实值异常时，将当前交易流量数据的真实值标注为异常值。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的交易流量监控方法的步骤。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的交易流量监控方法的步骤。

本发明实施例的交易流量监控方法及系统先根据训练数据预测值确定动态阈值，再根据当前交易流量数据的预测值和动态阈值判断当前交易流量数据的真实值是否异常并将异常的当前交易流量数据的真实值标注为异常值，可以提高监控的报警定位能力，减少漏报、误报、运维成本和人力成本。

附图说明