[发明专利]银行业务数据的异常检测方法、装置、设备及存储介质

权利要求书

1.一种银行业务数据的异常检测方法，其特征在于，所述方法包括：

获取待检测的银行业务数据，对所述银行业务数据进行业务场景分析，得到业务参数；

对所述银行业务数据进行时序分析，得到时序参数；

将所述业务参数和所述时序参数进行融合处理，得到融合参数；

将所述融合参数输入至已训练的机器学习模型中，输出目标检测模型，所述目标检测模型为基于统计学的参数型检测模型或基于统计学的非参数型检测模型，所述已训练的机器学习模型是基于样本参数和样本检测模型进行学习得到的；

将所述融合参数输入至所述目标检测模型，输出所述银行业务数据的检测结果。

2.如权利要求1所述的银行业务数据的异常检测方法，其特征在于，所述基于统计学的参数型检测模型包括数据类型识别子模型和多个参数型异常检测子模型，所述数据类型识别子模型用于识别所述融合参数的数据类型标签，所述参数型异常检测子模型用于检测所述银行业务数据的异常数据，一个数据类型标签对应一个参数型异常检测子模型；

所述将待检测的时序数据输入至所述目标检测模型，输出检测结果，包括：

若所述目标检测模型为所述基于统计学的参数型检测模型，则利用所述数据类型识别子模型识别所述融合参数的数据类型标签；

确定与所述数据类型标签对应的所述参数型异常检测子模型为目标检测子模型；

利用所述目标检测子模型对所述融合参数进行检测，输出所述检测结果。

3.如权利要求2所述的银行业务数据的异常检测方法，其特征在于，所述数据类型标签包括一元数据标签、多元独立数据标签和多元高斯数据标签，所述参数型异常检测子模型包括与所述一元数据标签对应的一元参数型检测子模型、与所述多元独立数据标签对应的多元独立参数型检测子模型、与所述多元高斯数据标签对应的多元高斯参数型检测子模型；

所述确定与所述数据类型标签对应的所述参数型异常检测子模型为目标检测子模型，包括：

若所述数据类型标签为所述一元数据标签，则确定所述目标检测子模型为所述一元参数型检测子模型；

若所述数据类型标签为所述多元独立标签，则确定所述目标检测子模型为所述多元独立参数型检测子模型；

若所述数据类型标签为所述多元高斯数据标签，则确定所述目标检测子模型为所述多元高斯参数型检测子模型。

4.如权利要求1所述的银行业务数据的异常检测方法，其特征在于，所述基于统计学的非参数型检测模型包括直方图构造子模型和非参数型异常检测子模型，其中，所述直方图构造子模型用于构造所述融合参数的直方图，所述非参数型异常检测子模型包括预设尺寸的参考箱，用于判断所述直方图与所述参考箱的位置关系；

所述将所述融合参数输入至所述目标检测模型，输出所述银行业务数据的检测结果，包括：

若所述目标检测模型为所述基于统计学的非参数型检测模型，则利用所述直方图构造子模型确定所述融合参数的直方图；

利用所述非参数型异常检测子模型判断所述直方图与所述参考箱的位置关系，输出所述检测结果。

5.如权利要求1所述的银行业务数据的异常检测方法，其特征在于，所述获取待检测的银行业务数据，对所述银行业务数据进行业务场景分析，得到业务参数，包括：

获取所述银行业务数据的各个属性；

对所述属性进行语义解析，确定所述银行业务数据的业务场景；

根据各个所述属性与所述业务场景的语义相似度及预设阈值，从所述属性中确定目标属性；

从所述银行业务数据中提取所述目标属性对应的数据，得到业务参数。

6.如权利要求5所述的银行业务数据的异常检测方法，其特征在于，所述对所述银行业务数据进行时序分析，得到时序参数，包括：

在所述属性中存在时序语义的时序属性时，从所述银行业务数据中获取所述时序属性对应的数据，得到所述时序参数。