[发明专利]基于应用日志的异常交易诊断方法及系统

权利要求书

1.一种基于应用日志的异常交易诊断方法，其特征在于，包括：

对交易的应用日志进行特征提取得到模板序列；

根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；

根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易；

进一步包括预先形成所述异常交易分析模型和所述模式库的步骤；

所述形成所述异常交易分析模型和所述模式库具体包括：

对历史正常交易的应用日志进行特征提取得到模板序列；

通过聚类算法对历史正常交易的模板序列进行聚类得到多个交易类型；

根据多个交易类型的模板序列对分类器进行分类训练得到所述异常交易分析模型；

根据多个交易类型对应的模板序列以及各个模板序列的概率值形成模式库；

所述根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易具体包括：

将所述模板序列与模式库中对应交易类型的模板序列进行比对，确定所述模板序列的概率值，若所述概率值低于预设阈值，则所述交易为异常交易。

2.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，所述对交易的应用日志进行特征提取得到模板序列具体包括：

对交易的每条应用日志中的特征字段进行特征提取得到日志模板；

根据交易的所有应用日志的日志模板得到模板序列。

3.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，进一步包括：

获取所述应用日志的起始时间和结束时间，得到所述交易的时长；

若所述交易的时长大于预设时间阈值，诊断所述交易为超时交易。

4.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，所述根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型具体包括：

根据所述模板序列通过预设的异常交易分析模型确定所述交易属于目的交易类型的置信度，若所述置信度大于预设置信度阈值，确定所述交易的交易类型为所述目的交易类型。

5.根据权利要求1所述的基于应用日志的异常交易诊断方法，其特征在于，进一步包括获取交易的应用日志的步骤：

通过Fluentd将原始日志数据根据交易打散后发送给Kafka集群；

通过Spark以订阅方式从所述Kafka集群获取打散后的原始日志数据。

6.一种基于应用日志的异常交易诊断系统，其特征在于，包括：

数据处理模块，用于对交易的应用日志进行特征提取得到模板序列；

交易分类模块，用于根据所述模板序列通过预设的异常交易分析模型确定所述交易的交易类型；

交易检测模块，用于根据预设模式库中所述交易类型对应的模板序列检测所述模板序列对应的交易是否为异常交易；

所述系统进一步包括模型构建模块，所述模型构建模块用于预先形成所述异常交易分析模型和所述模式库；

所述模型构建模块进一步包括日志处理单元、交易聚类单元、模型训练单元和模式库构建单元；

其中，所述日志处理单元用于对历史正常交易的应用日志进行特征提取得到模板序列；

所述交易聚类单元用于通过聚类算法对历史正常交易的模板序列进行聚类得到多个交易类型；

所述模型训练单元用于根据多个交易类型的模板序列对分类器进行分类训练得到所述异常交易分析模型；

所述模式库构建单元用于根据多个交易类型对应的模板序列以及各个模板序列的概率值形成模式库；

所述交易检测模块用于将所述模板序列与模式库中对应交易类型的模板序列进行比对，确定所述模板序列的概率值，若所述概率值低于预设阈值，则所述交易为异常交易。

7.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

所述处理器执行所述程序时实现如权利要求1-5任一项所述方法。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该程序被处理器执行时实现如权利要求1-5任一项所述方法。