[发明专利]业务系统的日切时段确定、数据差错识别方法及装置

说明书

本申请提供一种业务系统的日切时段确定、数据差错识别方法及装置，涉及金融领域，其方法包括：获取待确定的业务系统预设历史天数内的每日日切时段；将所有每日日切时段输入至预设的演化预测模型，得到当日日切时段，由于本发明的演化预测模型基于演化算法得到，因此针对各业务系统的日切延迟特征，结合演化计算的自学习、自适应能力，训练形成业务系统日切延迟时间预测模型，可提前获取各业务系统的日切延迟时间，避免了最大日切延迟成为整个明细核对机制的瓶颈影响，同时可提升差错交易的识别效率。

技术领域

本申请涉及信息安全技术领域，具体涉及一种业务系统的日切时段确定、数据差错识别方法及装置。

背景技术

在分布式架构下，一笔业务通常需要由多个业务系统相互协助实现，为保障业务逻辑一致性，通常采用各业务系统在日终批量按业务日期提供业务处理明细，通过业务系统之间对业务处理明细核对机制识别差错业务处理，同时为避免通用的明细核对机制将由于分布式架构下各业务系统日切时间不一致导致的跨日切正常业务处理数据误判为差错业务处理，往往基于各业务系统的日切时间点与基准系统日切时间点之间的差异进行计算，采用扩大通用明细核对范围来剔除跨日切正常业务处理数据对真实差错业务处理的识别影响。

现有方法存在多个问题：1、扩大通用核对机制的核对明细范围，对通用核对机制侵入较大，增大了明细核对系统自身出错风险，进而影响差错业务处理识别准确率；2、跨日切正常业务处理通常只涉及部分业务系统，现有方案针对所有业务系统的日切时间点与基准系统日切时间点之间的差异，均扩大了纳入核对的业务处理明细范围，增大了非必要参与核对的明细数据量，进而较大程度影响了差错识别的效率；3、扩大纳入核对的业务处理明细范围确定，依赖于所有业务系统中日切最晚的时间点，当该时间点较晚时，将影响所有业务系统的扩大范围确定时效，进而严重影响差错业务处理识别及后续补救处理时效，并可能导致严重的经济损失，因此存在诸多不足。

发明内容

针对现有技术中的问题，本申请提供一种业务系统的日切时段确定、数据差错识别方法及装置。

第一方面，本发明提供一种业务系统的日切时段确定方法，包括：

获取待确定的业务系统预设历史天数内的每日日切时段；

将所有每日日切时段输入至预设的演化预测模型，得到当日日切时段；其中，

所述演化预测模型基于演化算法得到。

在可选的实施例中，所述演化预测模型的建立步骤，包括：

根据待确定的业务系统预设历史天数内的每日日切时段生成初始种群；

对所述初始种群进行演化生成次代种群；

执行迭代操作，对当前次代种群进行演化生成更新的次代种群，直至当前次代种群中最优个体的适应值小于设定阈值或者迭代达到设定次数；

从最终更新的次代种群中选取最优个体，形成所述演化预测模型。

在可选的实施例中，所述初始种群包括多个个体，生成初始种群中各个体的步骤包括：

根据每日日切时段与基准日切时段的日切时差，结合可选取的运算符随机生成初始种群的个体；

重复多次执行生成初始种群的个体的步骤，形成所述初始种群。

在可选的实施例中，所述次代种群包括多个次代个体，所述对所述初始种群进行演化生成次代种群，包括：

针对所述初始种群中任意两个个体，交换至少一个设定位置或随机位置运算符，形成两个所述次代个体；和/或，

针对所述初始种群中每个个体，随机变换至少一个设定位置或随机位置运算符，形成所述次代个体。

第二方面，本发明提供一种跨业务系统的跨日切业务处理数据差错识别方法，包括：