本技術(shù)涉及大數(shù)據(jù)，特別是涉及一種異常識別方法、裝置、計算機(jī)設(shè)備、計算機(jī)可讀存儲介質(zhì)和計算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、為了保障資源管理的安全性和有效性，需要對資源轉(zhuǎn)移業(yè)務(wù)進(jìn)行異常識別?？梢赃\(yùn)用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能等技術(shù)手段，對相關(guān)機(jī)構(gòu)進(jìn)行資源流向異常識別、異常修正評估、異常預(yù)警和處置等環(huán)節(jié)，實現(xiàn)對各機(jī)構(gòu)資源流向異常風(fēng)險的有效控制，及時發(fā)現(xiàn)各機(jī)構(gòu)資源流向異常，為資源管理相關(guān)業(yè)務(wù)人員提供資源異常信息和資源管理提供參考依據(jù)。

2、目前的技術(shù)主要通過對歷史數(shù)據(jù)的統(tǒng)計分析挖掘異常數(shù)據(jù)，識別維度比較片面，存在對資源轉(zhuǎn)移異常識別的準(zhǔn)確性偏低的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種異常識別方法、裝置、計算機(jī)設(shè)備、計算機(jī)可讀存儲介質(zhì)和計算機(jī)程序產(chǎn)品。

2、第一方面，本技術(shù)提供了一種異常識別方法，包括：

3、獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)；

4、確定針對所述資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式；

5、在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與所述目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型；

6、利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果；

7、根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。

8、在其中一個實施例中，所述利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果，包括：將所述資源流向時序數(shù)據(jù)輸入至所述異常數(shù)據(jù)識別模型組，得到所述目標(biāo)區(qū)域的所述異常數(shù)據(jù)識別結(jié)果；其中，所述異常數(shù)據(jù)識別模型組中的一個或者多個所述目標(biāo)識別模型根據(jù)所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的識別標(biāo)簽，以及基于所述識別標(biāo)簽確定并輸出所述目標(biāo)區(qū)域的所述異常數(shù)據(jù)識別結(jié)果。

9、在其中一個實施例中，所述將所述資源流向時序數(shù)據(jù)輸入至所述異常數(shù)據(jù)識別模型組，得到所述目標(biāo)區(qū)域的所述異常數(shù)據(jù)識別結(jié)果，包括：將所述資源流向時序數(shù)據(jù)輸入至一個或多個所述目標(biāo)識別模型，由一個或多個所述目標(biāo)識別模型的特征提取模塊對所述資源流向時序數(shù)據(jù)進(jìn)行特征提取，得到并輸出所述資源流向時序數(shù)據(jù)的資源流向數(shù)據(jù)特征；由一個或多個所述目標(biāo)識別模型的分類模塊根據(jù)所述特征提取模塊輸出的所述資源流向數(shù)據(jù)特征，得到并輸出所述目標(biāo)區(qū)域的所述識別標(biāo)簽，并基于所述識別標(biāo)簽獲取所述目標(biāo)區(qū)域的所述異常數(shù)據(jù)識別結(jié)果。

10、在其中一個實施例中，所述資源流向數(shù)據(jù)特征包括時間特征；所述根據(jù)所述特征提取模塊輸出的所述資源流向數(shù)據(jù)特征，得到并輸出所述目標(biāo)區(qū)域的所述識別標(biāo)簽，包括：根據(jù)所述資源流向時序數(shù)據(jù)的所述時間特征，獲取所述資源流向時序數(shù)據(jù)包含的多個資源流向數(shù)據(jù)中每一所述資源流向數(shù)據(jù)的日期類型信息；根據(jù)各所述資源流向數(shù)據(jù)的所述日期類型信息，獲取各所述資源流向數(shù)據(jù)的數(shù)據(jù)識別標(biāo)簽；根據(jù)各所述資源流向數(shù)據(jù)的所述數(shù)據(jù)識別標(biāo)簽，獲取所述目標(biāo)區(qū)域的所述識別標(biāo)簽。

11、在其中一個實施例中，所述根據(jù)各所述資源流向數(shù)據(jù)的所述日期類型信息，獲取各所述資源流向數(shù)據(jù)的數(shù)據(jù)識別標(biāo)簽，包括：根據(jù)各所述資源流向數(shù)據(jù)的所述日期類型信息，確定所述資源流向時序數(shù)據(jù)的同期比對周期；根據(jù)所述同期比對周期，獲取所述資源流向時序數(shù)據(jù)的同期變化率；根據(jù)所述同期變化率，獲取各所述資源流向數(shù)據(jù)的所述數(shù)據(jù)識別標(biāo)簽。

12、在其中一個實施例中，所述根據(jù)所述特征提取模塊輸出的所述資源流向數(shù)據(jù)特征，得到并輸出所述目標(biāo)區(qū)域的所述識別標(biāo)簽，包括：獲取所述資源流向時序數(shù)據(jù)的差值時間序列；根據(jù)所述差值時間序列，獲取所述資源流向時序數(shù)據(jù)的第一變化趨勢信息；所述第一變化趨勢信息包括第一趨勢時間長度；所述第一趨勢時間長度小于第一長度閾值；根據(jù)所述第一變化趨勢信息，獲取所述目標(biāo)區(qū)域的所述識別標(biāo)簽。

13、在其中一個實施例中，所述資源流向時序數(shù)據(jù)包括資源流入序列數(shù)據(jù)、凈資源流入序列數(shù)據(jù)和資源流出序列數(shù)據(jù)；所述差值時間序列包括所述資源流入序列數(shù)據(jù)對應(yīng)的第一差值時間序列、所述凈資源流入序列數(shù)據(jù)對應(yīng)的第二差值時間序列和所述資源流出序列數(shù)據(jù)對應(yīng)的第三差值時間序列；所述根據(jù)所述差值時間序列，獲取所述資源流向時序數(shù)據(jù)的第一變化趨勢信息，包括：根據(jù)所述第一差值時間序列、所述第二差值時間序列和所述第三差值時間序列，分別獲取所述資源流入序列數(shù)據(jù)對應(yīng)的第一符號差序列、所述凈資源流入序列數(shù)據(jù)對應(yīng)的第二符號差序列和所述資源流出序列數(shù)據(jù)對應(yīng)的第三符號差序列；根據(jù)所述第一符號差序列、所述第二符號差序列和所述第三符號差序列，獲取所述資源流向時序數(shù)據(jù)的所述第一變化趨勢信息。

14、在其中一個實施例中，所述根據(jù)所述特征提取模塊輸出的所述資源流向數(shù)據(jù)特征，得到并輸出所述目標(biāo)區(qū)域的所述識別標(biāo)簽，包括：獲取所述資源流向時序數(shù)據(jù)的第二變化趨勢信息；所述第二變化趨勢信息包括第二趨勢時間長度；所述第二趨勢時間長度大于第二長度閾值；根據(jù)所述第二變化趨勢信息，獲取所述目標(biāo)區(qū)域的所述識別標(biāo)簽。

15、在其中一個實施例中，所述根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果，包括：根據(jù)所述資源流向業(yè)務(wù)特征，確定所述資源流向的異常變動條件；根據(jù)所述異常變動條件和所述異常數(shù)據(jù)識別結(jié)果，得到所述異常識別結(jié)果。

16、在其中一個實施例中，所述根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果之后，還包括：若所述異常識別結(jié)果表示所述目標(biāo)區(qū)域存在資源流向異常，則根據(jù)所述異常識別結(jié)果生成所述目標(biāo)區(qū)域的告警信息；將所述告警信息發(fā)送至所述目標(biāo)區(qū)域的區(qū)域聯(lián)系對象；所述告警信息用于提示所述區(qū)域聯(lián)系對象對所述目標(biāo)區(qū)域的資源流向異常進(jìn)行處理。

17、在其中一個實施例中，述目標(biāo)區(qū)域包括多個目標(biāo)對象；所述獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)，包括：獲取多個所述目標(biāo)對象中每一所述目標(biāo)對象對應(yīng)的對象權(quán)值；獲取多個所述目標(biāo)對象中每一所述目標(biāo)對象的對象資源流向時序數(shù)據(jù)；根據(jù)所述對象資源流向時序數(shù)據(jù)和所述對象權(quán)值，獲取所述目標(biāo)區(qū)域的所述資源流向時序數(shù)據(jù)。

18、第二方面，本技術(shù)還提供了一種異常識別裝置，包括：

19、獲取模塊，用于獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)；

20、確定模塊，用于確定針對所述資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式；

21、篩選模塊，用于在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與所述目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型；

22、計算模塊，用于利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果；

23、修正模塊，用于根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。

24、第三方面，本技術(shù)還提供了一種計算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)以下步驟：

25、獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)；確定針對所述資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式；在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與所述目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型；利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果；根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。

26、第四方面，本技術(shù)還提供了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)以下步驟：

27、獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)；確定針對所述資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式；在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與所述目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型；利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果；根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。

28、第五方面，本技術(shù)還提供了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)以下步驟：

29、獲取目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)；確定針對所述資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式；在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與所述目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型；利用一個或多個所述目標(biāo)識別模型，基于所述資源流向時序數(shù)據(jù)，獲取所述目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果；根據(jù)所述異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征，得到所述目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。

30、上述異常識別方法、裝置、計算機(jī)設(shè)備、計算機(jī)可讀存儲介質(zhì)和計算機(jī)程序產(chǎn)品，首先可以目標(biāo)區(qū)域的資源流向時序數(shù)據(jù)，然后可以確定針對資源流向時序數(shù)據(jù)的目標(biāo)異常數(shù)據(jù)分析方式，在預(yù)先構(gòu)建的異常數(shù)據(jù)識別模型組中確定與目標(biāo)異常數(shù)據(jù)分析方式相匹配的一個或多個目標(biāo)識別模型，進(jìn)而可以利用一個或多個目標(biāo)識別模型，基于資源流向時序數(shù)據(jù)獲取目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果，根據(jù)異常數(shù)據(jù)識別結(jié)果和資源流向業(yè)務(wù)特征得到目標(biāo)區(qū)域的資源流向的異常識別結(jié)果。本技術(shù)中，一方面利用異常數(shù)據(jù)識別模型組獲取該目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果，該異常數(shù)據(jù)識別模型組可以包括多個異常數(shù)據(jù)識別模型，該多個異常數(shù)據(jù)識別模型可以實現(xiàn)采用多種異常數(shù)據(jù)分析方式獲取目標(biāo)區(qū)域的異常數(shù)據(jù)識別結(jié)果，可以提高對目標(biāo)區(qū)域的資源流向數(shù)據(jù)異常識別的準(zhǔn)確性，另一方面根據(jù)資源流向業(yè)務(wù)特征對異常數(shù)據(jù)識別模型組輸出的異常數(shù)據(jù)識別結(jié)果進(jìn)行驗證和修正，最終得到目標(biāo)區(qū)域的資源流向的異常識別結(jié)果，由此可以充分結(jié)合數(shù)據(jù)和業(yè)務(wù)層面的雙重異常識別，提高對目標(biāo)區(qū)域的資源流向異常識別的全面性和準(zhǔn)確性。