[发明专利]异常业务检测方法、装置、电子设备及存储介质

权利要求书

1.一种异常业务检测方法，其特征在于，所述方法包括：

根据历史业务交互数据的数据特征建立预警规则组，并对所述预警规则组进行分箱处理，得到分箱规则集；

计算所述分箱规则集的基尼系数，根据所述基尼系数生成子规则决策树；

根据所述子规则决策树生成集成规则决策树，并根据所述集成规则决策树与所述子规则决策树得到规则引擎；

利用所述规则引擎对待检测业务交互数据进行分类，根据所述分类对所述待检测业务交互数据标识数据特征标签，其中，所述数据特征标签包括普通样本标签和异常样本标签；

对标识为普通样本标签的所述待检测业务交互数据进行检测，得到异常业务交互数据；

根据所述异常样本标签和所述异常业务交互数据，对用户发送预警消息。

2.如权利要求1所述的异常业务检测方法，其特征在于，所述根据历史业务交互数据的数据特征建立预警规则组，包括：

按照预设种类的维度对所述历史业务交互数据进行划分，并对每个维度下的历史业务交互数据进行业务逻辑分析；

根据业务逻辑分析结果提取所述历史业务交互数据中的数据特征；

根据所述数据特征构建预警规则组。

3.如权利要求1所述的异常业务检测方法，其特征在于，所述计算所述分箱规则集的基尼系数，根据所述基尼系数生成子规则决策树，包括：

利用预设的基尼评估算法计算所述分箱规则集中每条规则的基尼系数；

选择基尼系数值最小的规则作为所述子规则决策树的根节点；

利用所述基尼评估算法对所述分箱规则集剩余的规则计算基尼系数；

选择基尼系数值最小的规则作为所述根节点的子节点；判断预设的停止条件是否满足，并在停止条件不满足时，利用所述基尼评估算法对所述分箱规则集剩余的规则计算基尼系数，并选择基尼系数值最小的规则作为所述子节点下的子节点；

在预设的停止条件满足时，输出由所述根节点及子节点组成的子规则决策树。

4.如权利要求3所述的异常业务检测方法，其特征在于，所述利用所述规则引擎对待检测业务交互数据进行分类，根据所述分类对所述待检测业务交互数据标识数据特征标签，包括：

将所述待检测业务交互数据与所述规则引擎中的根节点对应的规则进行比较，判断所述待检测业务交互数据是否符合所述规则，根据判断结果将所述待检测业务交互数据进行分类并分配给所述根节点的子节点；

对所述规则引擎中的每个子节点，将分配给当前子节点的子数据集与所述子节点对应的规则进行比较，判断判所述子数据集是否符合所述规则，根据判断结果将所述子数据集进行分类并分配给当前所述子节点下的子节点，得到分类结果；

根据所述规则引擎的分类结果，对所述待检测业务交互数据中的数据标识数据特征标签。

5.如权利要求1所述的异常业务检测方法，其特征在于，所述对标识为普通样本标签的所述待检测业务交互数据进行检测，包括：

按照所述待检测业务交互数据的业务类别将所述标识为普通样本标签的待检测业务交互数据划分成多个子样本标签数据；

利用预先构建的标准监测模型对所述多个子样本标签数据进行异常检测，得到异常业务交互数据。

6.一种异常业务检测装置，其特征在于，所述装置包括：

预警规则构建模块，用于根据历史业务交互数据的数据特征构建预警规则组，并对所述预警规则组进行分箱处理，得到分箱规则集；

子规则决策树生成模块，用于计算所述分箱规则集的基尼系数，根据所述基尼系数生成子规则决策树；

规则引擎生成模块，用于根据所述子规则决策树生成集成规则决策树，并根据所述集成规则决策树与所述子规则决策树得到规则引擎；

数据分类标识模块，用于利用所述规则引擎对待检测业务交互数据进行分类，根据所述分类对所述待检测业务交互数据标识数据特征标签，其中，所述数据特征标签包括普通样本标签和异常样本标签；

数据检测模块，用于对标识为普通样本标签的所述待检测业务交互数据进行检测，得到异常业务交互数据；

预警消息提醒模块，用于根据所述异常样本标签和所述异常业务交互数据，对用户发送预警消息。