(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111427730.6 (22)申请日 2021.11.29 (65)同一申请的已公布的文献号 申请公布号 CN 113835988 A (43)申请公布日 2021.12.24 (73)专利权人 杭银消费金融股份有限公司 地址 310005 浙江省杭州市下城区庆春路 38号1层101室、 8层801、 802、 803、 804 室、 11层1101、 1102室 (72)发明人 徐陈敏　 (74)专利代理 机构 浙江维创盈嘉专利代理有限 公司 33477 代理人 龚洋洋 (51)Int.Cl. G06F 11/34(2006.01)G06N 20/00(2019.01) (56)对比文件 WO 20151340 08 A1,2015.09.1 1 US 2018234 445 A1,2018.08.16 CN 109660502 A,2019.04.19 CN 110781467 A,2020.02.1 1 CN 111245793 A,2020.0 6.05 CN 112230584 A,2021.01.15 CN 113689291 A,2021.1 1.23 石磊等.安全态势感知在移动业 务支撑系统 中的应用. 《科技视界》 .2017,(第14期), 审查员 丁雪龙 (54)发明名称 指标信息预测方法及系统 (57)摘要 本发明实施例提供一种指标信息预测方法 及系统， 在确定目标行为源在业务系统中各个业 务板块的各个持续操作对象的持续操作数据序 列后， 可以同步获取目标行为源相关的目标扩展 行为源， 并基于目标行为源和目标扩展行为源下 的汇总异常行为数据进行异常指标预测。 如此， 通过结合目标行为源和目标扩展行为源下的汇 总异常行为数据进行异常指标预测， 可以提高异 常指标预测的特 征丰富性。 权利要求书4页 说明书10页 附图2页 CN 113835988 B 2022.02.08 CN 113835988 B 1.一种指标信 息预测方法， 其特征在于， 基于所述指标信 息预测系统实现， 所述方法包 括： 基于业务系统中需要异常行为挖掘的异常运行活动数据在异常行为挖掘模型中异常 行为挖掘， 获得候选异常行为簇， 并基于所述候选异常行为簇的异常知识节点分配信息， 确 定所述候选异常行为簇的异常判别 信息是否为关注 异常行为簇； 当所述候选异常行为簇的异常判别信 息是否为关注异常行为簇时， 追溯发起所述候选 异常行为簇的目标行为源在所述业务系统中各个业务板块的各个持续操作对 象的持续操 作数据序列， 其中， 所述持续操作数据序列中的持续操作数据包括持续操作对象ID和对应 持续操作对象ID的持续操作路径信息； 根据所述目标行为源在所述业务系统中各个业务板块的各个持续操作对象的持续操 作数据序列， 获取所述 目标行为源相关的目标扩展行为源， 并基于所述 目标行为源和所述 目标扩展行为源下的汇总异常行为数据进行异常指标 预测； 所述根据所述目标行为源在所述业务系统中各个业务板块的各个持续操作对象的持 续操作数据 序列， 获取 所述目标 行为源相关的目标扩展行为源的步骤， 包括： 基于所述目标行为源的行为源类型， 以所述行为源类型为基准类型， 确定业务上线类 型范围是否存在与之联系的至少一个行为源； 如果是， 获取所述至少一个行为源中每个行为源的持续操作对象信 息组作为扩展持续 操作数据序列， 获得扩展持续操作数据序列簇， 其中， 所述扩展持续操作数据序列中的扩展 持续操作数据包括 持续操作对象ID、 对应持续操作对象ID的持续操作路径信息和持续操作 状态； 如果解析到所述扩展持续操作数据序列簇中具有匹配目标要求的扩展持续操作数据 序列， 将匹配目标要求的扩展持续操作数据序列所对应的行为源确定为扩展行为源， 获得 扩展行为源簇， 其中， 所述目标要求为： 扩展持续操作数据序列包括的各个扩展持续操作数 据的持续操作状态为操作未中断； 基于所述扩展行为源簇 中各个扩展行为源的行为源类型， 选择与所述目标行为源的行 为源类型最匹配的扩展行为源作为目标扩展行为源。 2.根据权利要求1所述的指标信 息预测方法， 其特征在于， 所述基于所述目标行为源和 所述目标扩展行为源下的汇总异常行为数据进行异常指标 预测的步骤， 包括： 基于所述持续操作数据 序列， 确定对应所述目标扩展行为源的扩展操作事 件数据； 基于所述目标行为源的行为源类型和所述目标扩展行为源的行为源类型， 生成行为源 联系信息； 基于所述行为源联系信息将所述扩展操作事件数据中的异常行为数据与所述持续操 作数据序列中的异常行为数据进行对应联系， 获得汇总异常行为数据， 并对所述汇总异常 行为数据中的每 个异常指标进行 预测； 其中， 所述基于所述持续操作数据序列， 确定对应所述目标扩展行为源的扩展操作事 件数据， 包括： 将所述目标行为源当前操作的持续操作对象的持续操作 数据作为当前持续操作数据， 其中， 所述当前操作的持续操作对象为所述目标 行为源首个持续操作对象； 从所述持续操作数据序列中剔除所述当前持续操作数据， 获得第一持续操作数据序权　利　要　求　书 1/4 页 2 CN 113835988 B 2列； 基于所述第 一持续操作数据序列 所包括的持续操作路径信 息， 对所述第 一持续操作 数 据序列进行分团， 获得第一持续操作数据团序列； 从所述第一持续操作数据团序列所包括的第一持续操作数据中获取与所述当前持续 操作数据包括的持续操作路径信息最匹配的第一持续操作数据所在的第一目标持续操作 数据团， 并基于所述第一目标持续操作数据团从所述目标扩展行为源的操作数据库中获取 与之对应的操作事 件数据作为扩展操作事 件数据。 3.根据权利要求1所述的指标信息预测方法， 其特 征在于， 所述方法还 包括： 如果所述扩展持续操作数据序列簇中不具有 匹配目标要求的扩展持续操作 数据序列， 对于所述扩展持续操作数据 序列簇中的各个扩展持续操作数据 序列， 进行以下操作： 从所述扩展持续操作数据序列中选择匹配第一预设要求的扩展持续操作数据作为第 一扩展持续操作数据， 获得第一扩展持续操作数据序列， 其中， 所述第一预设要求为： 扩展 持续操作数据包括的持续操作状态为未 结束操作状态； 基于所述第一扩展持续操作数据序列对应的行为源的当前行为源类型和所述第一扩 展持续操作数据序列所包括的持续操作路径信息， 确定所述第一扩展持续操作数据序列的 第一持续操作图谱； 基于所述第一扩展持续操作数据序列对应的行为源的当前行为源类型与所述目标行 为源的行为源类型， 生成行为源联系信息； 将所述行为源联系信息的联系图谱与所述第一持续操作图谱的融合图谱确定为第二 持续操作图谱。 4.根据权利要求3所述的指标信 息预测方法， 其特征在于， 所述基于所述目标行为源和 所述目标扩展行为源下的汇总异常行为数据进行异常指标 预测的步骤， 包括： 从所述第二持续操作图谱中选择匹配度最大的第二持续操作图谱对应的行为源作为 目标扩展行为源； 基于所述持续操作 数据序列和所述目标扩展行为源的第 一扩展持续操作数据序列， 确 定对应所述目标扩展行为源的扩展操作事 件数据； 基于所述目标行为源的行为源类型和所述目标扩展行为源的行为源类型， 生成行为源 联系信息； 基于所述行为源联系信息将所述扩展操作事件数据中的异常行为数据与所述持续操 作数据序列中的异常行为数据进行对应联系， 获得汇总异常行为数据， 并对所述汇总异常 行为数据中的每 个异常指标进行 预测。 5.根据权利要求4所述的指标信 息预测方法， 其特征在于， 所述基于所述持续操作 数据 序列和所述目标扩展 行为源的第一扩展持续操作数据序列， 确定对应所述目标扩展行为源 的扩展操作事 件数据， 包括： 对于所述第一扩展持续操作数据序列中的各个第一扩展持续操作数据， 进行以下操 作： 将所述持续操作数据序列中每个持续操作数据包括的持续操作路径信息和所述第一 扩展持续操作数据包括的持续操作路径信息的路径重合度确定为目标路径重合度， 获得目 标路径重合度 序列；权　利　要　求　书 2/4 页 3 CN 113835988 B 3