系統風險的評估方法及裝置制造方法及圖紙

本申請提供了一種系統風險的評估方法及裝置

【技術實現步驟摘要】
系統風險的評估方法及裝置、存儲介質、電子裝置


[0001]本申請涉及大數據領域，具體而言，涉及一種系統風險的評估方法及裝置
、
存儲介質
、
電子裝置
。

技術介紹

[0002]在大型商業銀行金融科技發展中，以數據和技術為核心的生產要素發揮著越來越重要的作用
。
以區塊鏈
、
人工智能等為代表的新一代信息技術在金融領域的廣泛應用，推動金融業不斷提升服務質量與效率
。
與此同時，隨著金融科技轉型的不斷深入，系統的復雜度持續提升，影響金融系統穩定性和可靠性的因素有所增加
。
一旦出現系統缺陷等情況，將引發服務中斷等風險事件，甚至影響金融和財產安全
。
相關技術中，金融系統的風險防控已成為各大型金融機構重要課題
。
但是現有信息科技系統風險分析，基本是采取定性分析的方法來評價風險事件對金融機構的影響，缺少針對在生產上已經發生的風險事件進行定量分析
。
[0003]也就是說，相關技術中無法實現對生產事件風險和產生原因進行差異化
、
精細化的風險評估，繼而合理監測金融系統的運行
。
[0004]針對相關技術中，無法通過系統中的出現的生產事件對系統進行定量的風險評估等問題，尚未提出有效的解決方案
。

技術實現思路

[0005]本申請實施例提供了一種系統風險的評估方法及裝置
、
存儲介質
、
電子裝置，以至少解決相關技術中無法通過系統中的出現的生產事件對系統進行定量的風險評估等問題
。
[0006]根據本申請的一個實施例，提供了一種系統風險的評估方法，包括：獲取目標系統已觸發的生產事件，以及所述生產事件對應的風險信息，其中，所述風險信息用于指示所述生產事件在目標系統的不同運行階段出現異常的概率；將所述風險信息輸入至目標評估模型中，得到所述風險信息對應的第一風險值；其中，所述目標評估模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：目標風險信息，以及所述目標風險信息對應的目標風險值；使用預設參數對所述第一風險值進行修正，得到第二風險值，并通過所述第二風險值對所述目標系統的系統風險進行評估
。
[0007]在本申請實施例中，獲取目標系統已觸發的生產事件之后，所述方還包括：對所述生產事件進行異常識別；在所述異常識別的結果指示所述生產事件為異常事件的情況下，對所述目標系統進行定性分析，其中，所述異常事件用于指示在目標系統出現系統故障時產生的事件；根據所述定性分析的結果更新所述目標系統出現系統故障的記錄
。
[0008]在本申請實施例中，對所述目標系統進行定性分析，包括以下至少之一：確定所述目標系統對應的系統等級，其中，所述系統等級用于指示所述目標系統在運行狀態下的重要程度；確定所述目標系統出現系統故障的次數；確定所述異常事件對應的所述目標系統中的故障業務；確定所述目標系統在進行測試是否出現與所述異常事件相同的歷史異常事
件
。
[0009]在本申請實施例中，使用預設參數對所述第一風險值進行修正，得到第二風險值，包括：在確定所述風險信息存在多個的情況下，確定每一種風險信息對應的目標權重，其中，所述目標權重用于指示當前風險信息對所述目標系統的影響程度；將所述每一種風險信息對應的第一風險值與所述目標權重進行相乘，得到所述每一種風險信息對應的第二風險值
。
[0010]在本申請實施例中，確定每一種風險信息對應的目標權重之前，上述方法還包括：對每一種風險信息進行指標設計，得到風險指標；獲取所述目標系統對應的歷史系統測試數據中出現每一所述風險指標的目標次數；計算所述目標次數在總次數的占比，以確定每一中風險信息的預估權重
。
[0011]在本申請實施例中，通過所述第二風險值對所述目標系統的系統風險進行評估，包括：確定所述目標系統在目標周期內對應的多個第二風險值；將所述多個第二風險值進行相加，得到風險總值；比較所述風險總值與預設風險總值的大小，以根據比較結果完成對所述目標系統的系統風險進行評估
。
[0012]在本申請實施例中，比較所述風險總值與預設風險總值的大小，以根據比較結果完成對所述目標系統的系統風險進行評估，包括：在所述風險總值大于等于預設風險總值的情況下，確定所述目標系統的評估結果為系統處于異常運行狀態，并向運維所述目標系統的目標對象發送提示信息，其中，所述提示信息用于指示所述目標對象對所述目標系統進行風險排除處理；在所述風險總值小于預設風險總值的情況下，確定所述目標系統的評估結果為系統處于正常運行狀態
。
[0013]根據本申請的另一個實施例，還提供了一種系統風險的評估裝置，包括：獲取模塊，用于獲取目標系統已觸發的生產事件，以及所述生產事件對應的風險信息，其中，所述風險信息用于指示所述生產事件在目標系統的不同運行階段出現異常的概率；評估模塊，用于將所述風險信息輸入至目標評估模型中，得到所述風險信息對應的第一風險值；其中，所述目標評估模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：目標風險信息，以及所述目標風險信息對應的目標風險值；修正模塊，用于使用預設參數對所述第一風險值進行修正，得到第二風險值，并通過所述第二風險值對所述目標系統的系統風險進行評估
。
[0014]根據本申請的又一個實施例，還提供了一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行上述任一項方法實施例中的步驟
。
[0015]根據本申請的又一個實施例，還提供了一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行上述任一項方法實施例中的步驟
。
[0016]通過本申請，獲取目標系統已觸發的生產事件，以及生產事件對應的風險信息，其中，風險信息用于指示生產事件在目標系統的不同運行階段出現異常的概率；將風險信息輸入至目標評估模型中，得到風險信息對應的第一風險值；其中，目標評估模型為使用多組數據通過機器學習訓練出的，多組數據中的每組數據均包括：目標風險信息，以及目標風險信息對應的目標風險值；使用預設參數對第一風險值進行修正，得到第二風險值，并通過第二風險值對目標系統的系統風險進行評估，也就是說，通過目標評估模型對風險信息進行
初步定量確定，并通過預設參數對定量出的第一風險值進行修正，使得對于系統的評估更加準確，采用上述技術方案，解決了相關技術中，無法通過系統中的出現的生產事件對系統進行定量的風險評估等問題，使得可以在系統運行過程中對系統的風險趨勢和潛在隱患進行差異化
、
精細化的風險評估，提高了系統安全運行的效率
。
附圖說明
[0017]此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.
一種系統風險的評估方法，其特征在于，包括：獲取目標系統已觸發的生產事件，以及所述生產事件對應的風險信息，其中，所述風險信息用于指示所述生產事件在目標系統的不同運行階段出現異常的概率；將所述風險信息輸入至目標評估模型中，得到所述風險信息對應的第一風險值；其中，所述目標評估模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：目標風險信息，以及所述目標風險信息對應的目標風險值；使用預設參數對所述第一風險值進行修正，得到第二風險值，并通過所述第二風險值對所述目標系統的系統風險進行評估
。2.
根據權利要求1所述的系統風險的評估方法，其特征在于，獲取目標系統已觸發的生產事件之后，所述方法還包括：對所述生產事件進行異常識別；在所述異常識別的結果指示所述生產事件為異常事件的情況下，對所述目標系統進行定性分析，其中，所述異常事件用于指示在目標系統出現系統故障時產生的事件；根據所述定性分析的結果更新所述目標系統出現系統故障的記錄
。3.
根據權利要求2所述的系統風險的評估方法，其特征在于，對所述目標系統進行定性分析，包括以下至少之一：確定所述目標系統對應的系統等級，其中，所述系統等級用于指示所述目標系統在運行狀態下的重要程度；確定所述目標系統出現系統故障的次數；確定所述異常事件對應的所述目標系統中的故障業務；確定所述目標系統在進行測試是否出現與所述異常事件相同的歷史異常事件
。4.
根據權利要求1所述的系統風險的評估方法，其特征在于，使用預設參數對所述第一風險值進行修正，得到第二風險值，包括：在確定所述風險信息存在多個的情況下，確定每一種風險信息對應的目標權重，其中，所述目標權重用于指示當前風險信息對所述目標系統的影響程度；將所述每一種風險信息對應的第一風險值與所述目標權重進行相乘，得到所述每一種風險信息對應的第二風險值
。5.
根據權利要求4所述的系統風險的評估方法，其特征在于，確定每一種風險信息對應的目標權重之前，所述方法還包括：對每一種風險信息進行指標設計，得到風險指標；獲取所述目標系統對應的歷史系統測試數據中出現每...

【專利技術屬性】
技術研發人員：陳昌虎，
申請(專利權)人：中國建設銀行股份有限公司，
類型：發明
國別省市：