(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211380239.7 (22)申请日 2022.11.05 (71)申请人 北京淇瑀信息科技有限公司 地址 100012 北京市朝阳区双营路1 1号院3 号楼2层4单元207 (72)发明人 蒋勃　王骞　沈赟　 (74)专利代理 机构 北京清诚知识产权代理有限 公司 11691 专利代理师 何怀燕 (51)Int.Cl. G06F 11/30(2006.01) G06F 11/34(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于服务端关系网络的数据监控方法 及装置 (57)摘要 本发明公开了一种基于服务端关系网络的 数据监控方法及装置。 该方法包括： 获取与存量 终端之间具有操作行为的服务端的服务端数据 标签并根据服务端数据标签和存量终端在业务 平台上的历史表现数据建立并训练用以识别终 端数据存在异常的数据监控模型， 通过该模型对 请求服务的目标终端通过服务端数据标签和关 系网络实现是否存在异常的监控识别。 由此通过 动态变化的网络大数据构建特定关系网络并抽 象出对应的业务场景， 实现高效准确 动态地进行 直观的业务场景变化下的网络数据异常的监控 处理。 权利要求书3页 说明书15页 附图4页 CN 115422016 A 2022.12.02 CN 115422016 A 1.一种基于服 务端关系网络的数据监控方法， 其特 征在于， 包括： 获取与存量终端之间具有操作行为的服务端的服务端数据标签， 并根据 所述服务端数 据标签和所述存量终端在业务平台上的历史表现数据， 建立并训练用以识别终端 数据存在 异常的数据监控 模型； 获取目标终端的目标终端数据， 并提取所述目标终端对应的历史表现数据中的历史服 务端数据； 根据所述历史服 务端数据的各个服 务端构建服 务端关系网络； 对所述服务端关系网络中的服 务端进行分类， 并生成服 务端数据标签； 根据目标终端数据和生成的服务端数据标签， 经由所述数据监控模型进行监控识别， 获得目标终端异常情况的预测评分； 根据监控识别的预测评分结果， 向目标终端发送消息 。 2.如权利要求1所述的方法， 其特征在于， 建立并训练用以识别终端数据存在异常的数 据监控模型， 具体包括： 经由业务平台获取预设数量的存量终端的历史表现数据中对应的历史服务端数据， 经 过筛选后作为建立的数据监控模型 的训练样本； 其中， 所述历史服务端数据包括体现终端 与相应服 务端之间操作行为的关联 数据； 以历史服务端数据中终端与服务端为不同类型的节点， 以历史服务端数据中终端与对 应服务端之 间的关联数据内特定时间点所发生的操作行为的关系为边， 构建服务端的关系 网络； 根据对关系网络 中的服务端进行分类， 构建相应的标识所属业务服务场景的服务端数 据标签， 并统计 每个预设数量的存量终端对应的服 务端数据标签； 根据存量终端的历史表现数据以及存量终端对应的服务端的服务端数据标签作为所 述训练样本的样本特 征数据， 形成数据监控 模型的训练集； 将训练集中的样本特征数据输入到数据监控模型中进行模型训练， 得到训练后的数据 监控模型， 并输出对应监控的终端数据的异常情况评分。 3.如权利要求2所述的方法， 其特征在于， 经由业务平台获取预设数量的存量终端的历 史表现数据中对应的历史服 务端数据， 包括： 通过业务平台的数据库或外 部数据库的终端信息， 抽取存量终端的历史表现数据； 从历史表现数据中选取一预定时间段内的历史服 务端数据并进行清洗； 所述历史服 务端数据至少包括： 终端对服 务端提供的服 务进行的操作行为； 所述数据库为关联的服 务端数据库。 4.如权利要求2所述的方法， 其特征在于： 以历史服务端数据中终端与服务端为不同类 型的节点， 以历史服务端 数据中终端与对应服务端之 间的关联数据内特定时间点所发生的 操作行为的关系为 边， 构建服 务端的关系网络， 具体包括： 利用清洗后的历史服务端数据中的终端ID与服务端ID作为节点， 使用NetworkX构 建服 务端关系网络； 终端的节点 为第一类型， 服 务端的节点 为第二类型； 每条边具有权重， 对建立的服务端关系网络进行再次数据清洗以删除权重小于预设权 重阈值的边。权　利　要　求　书 1/3 页 2 CN 115422016 A 25.如权利要求 4所述的方法， 其特 征在于， 所述 边的权重包括： 基于节点之间的操作行为发生的次数进行设定， 操作行为发生的次数越多， 权 重越大。 6.如权利要求2所述的方法， 其特征在于， 根据对关系 网络中的服务端进行分类， 构建 相应的标识所属业务服务场景的服务端数据标签， 并统计每个预设数量的存量终端对应的 服务端数据标签， 包括： 从包含关系网络中的服务端的服务端数据的多个数据库中获取的服务端数据来制作 用于发现终端异常情况 的服务端数据标签； 其中， 多个数据库包括具有用于评分计算的数 据库； 根据服务端数据中的服务端名称确定实际业务场景后， 根据实际业务场景 的信息对 所述业务场景下所有服务端都加上 标签来标识所属业 务场景； 基于所述标签对同一个关系网络 内的终端进行统计分析， 并提炼存在异常概率高的标 签进行异常状态预警； 其中， 样本特 征数据还包括服务端数据标签的权 重。 7.如权利要求6所述的方法， 其特征在于， 对所述业务场景下所有服务端都加上标签包 括： 根据所属业务场景预设的分类标准， 对业务场景下的服务端出现的频度进行从高到低 的排序， 并对相应的服 务端根据预设的分类标准添加大类与小类的标签。 8.如权利要求1至7任一项所述的方法， 其特征在于， 根据所述历史服务端数据的各个 服务端构建服务端关系网络； 对所述服务端关系网络中的服务端进行分类， 并生成服务端 数据标签； 根据目标终端数据和生成的服务端数据标签， 经 由所述数据监控模型进行监控 识别， 获得目标终端异常情况的预测评分， 包括： 根据目标终端的历史表现数据中的历史服务端数据确定服务端ID； 将所述服务端ID与 目标终端ID分别作为 不同类型的节点， 使用Netw orkX构建服 务端关系网络； 根据历史服务端数据中服务端名称确定实 际业务场景， 利用预设的分类标准， 在相应 的业务场景下， 将所有服务端 出现的频度进 行从高到低的排序并对相应的服务端根据预设 分类标准添加大类与小类的标签； 将目标终端数据和服务端数据标签输入数据监控模型， 计算获得目标终端异常情况的 概率评分。 9.如权利要求8所述的方法， 其特 征在于， 还 包括： 基于与存量终端或目标终端之间具有操作行为的服务端的数量以及数据监控模型的 训练精度预设值 k； 抽取所述所有服务端中的k个服务端作为节点， 与作为节点的存量终端或目标终端构 建服务端关系网络 。 10.一种基于服 务端关系网络的数据监控方法， 其特 征在于， 包括： 模型构建模块， 用于获取与存量终端之间具有操作行为的服务端的服务端数据标签， 并根据所述服务端数据标签和所述存量 终端在业务平台上的历史表现数据， 建立并训练用 以识别终端数据存在异常的数据监控 模型； 监控识别模块， 用于获取目标终端的目标终端数据， 并提取所述目标终端对应的历史 表现数据中的历史服务端 数据； 根据所述历史服务端 数据的各个服务端构建服务端关系网 络； 对所述服务端关系网络中的服务端进行分类， 并生成服务端数据标签； 以及， 根据目标权　利　要　求　书 2/3 页 3 CN 115422016 A 3