[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

说明书

本申请实施例提供了一种银行业务数据的异常检测方法、装置、设备及存储介质，该方法通过获取待检测的银行业务数据，对银行业务数据进行业务场景分析，得到业务参数，对银行业务数据进行时序分析，得到时序参数，将业务参数和时序参数进行融合处理，得到融合参数，将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，将融合参数输入至目标检测模型，输出银行业务数据的检测结果，由于本申请实施例中的目标检测模型是通过已训练的机器学习模型确定的，使得目标检测模型与融合参数更适配，且融合参数更加全面准确，从而使得目标检测模型输出的检测结果更加高效准确，提高了银行业务数据异常检测的效率和准确性。

技术领域

本申请涉及数据处理技术领域，具体涉及一种银行业务数据的异常检测方法、装置、设备及存储介质。

背景技术

随着银行业务的发展速度加快，银行业务数据量也在日益增加，如金融交易中的银行卡交易数据、股票数据等，针对银行业务数据的异常检测任务也越来越重，异常检测是时序数据分析中的一个重要事项，是从正常的时间序列数据中识别到不正常的事件或行为的过程，银行业务数据的异常检测对于银行的业务处理具有至关重要的影响，因此，为了保障银行业务的安全高效进行，对银行业务数据进行异常检测分析显得尤为重要。

然而，现有异常检测通过人工的方式来判断，然而当业务场景复杂、时序数据规模变大后，依靠传统的人工和简单的同比环比算法来判断异常数据的方式耗时耗力，同时增加了异常检测判断出错的可能性。因此，在面对有一定规模的银行业务的场景时，亟需提供一种高效精准的异常检测方法，以保障银行业务的安全和高效运行。

发明内容

本申请实施例提供一种银行业务数据的异常检测方法、装置、设备及存储介质，以解决人工通过同比、环比算法对银行业务数据进行异常检测存在的准确性和检测效率较低的技术问题。

一方面，本申请提供一种银行业务数据的异常检测方法，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。

一方面，本申请提供一种银行业务数据的异常检测装置包括：

第一分析模块，用于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；

第二分析模块，用于对所述银行业务数据进行时序分析，得到时序参数；

融合模块，用于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；

第一确定模块，用于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；

第二确定模块，用于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。

一方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述银行业务数据的异常检测方法中的步骤。