一种基于设备日志的平台交易风险智能分析方法及系统与流程

本发明涉及交易风险分析，具体为一种基于设备日志的平台交易风险智能分析方法及系统。

背景技术：

1、平台交易系统通常采用微服务架构部署，交易请求需经过多个设备节点协同处理，例如api网关负责请求路由、订单服务执行下单逻辑、支付网关对接第三方渠道、库存服务校验商品余量、消息队列异步推送通知等。设备日志记录了每个节点的时间戳、设备标识及处理状态，形成一条完整的调用链。现有的交易风险分析方法主要依赖单一设备或单个交易环节的异常检测，例如针对响应延迟（response latency）、请求队列深度（queuedepth）或错误计数（error count）设置固定阈值，当某节点指标超标时触发告警。这种方式忽略了交易请求沿调用链路逐步传导和放大的级联效应。举例来说，当支付网关因网络抖动导致响应延迟升高时，上游的订单服务会因等待超时而积压请求，进而导致api网关的队列深度飙升，最终引发前端超时。

2、传统方法只能孤立地检测到各节点的异常，却无法捕捉风险沿调用链传播的动态过程，也难以区分真正的风险源头是被波及的下游节点还是初始触发的上游节点。此外，设备日志虽蕴含节点间的访问顺序和频次关系，但现有日志分析手段未能将此维度的时序信息组织为支持传播计算的结构化图模型，例如有向无环图（dag）。在识别出多个异常节点后，缺乏一种衡量风险在交易链路拓扑中累积程度及全局扩散密度的量化机制，导致运维人员需耗费大量时间进行人工排查，平均故障恢复时间（mttr）居高不下。如何利用设备日志中隐含的时序关联构建表征交易行为的有向拓扑，并基于该拓扑对风险进行路径化的累积计算和源头回溯，是交易风险智能分析中亟待解决的关键问题。

技术实现思路

1、本发明提供一种基于设备日志的平台交易风险智能分析方法及系统，旨在解决现有技术难以刻画交易链路中风险跨设备传播与累积、无法自动定位风险源头的问题。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种基于设备日志的平台交易风险智能分析方法，包括：获取平台交易系统的设备日志数据，解析设备日志数据得到交易链路节点序列；根据交易链路节点序列提取相邻节点之间的时序关联特征，基于时序关联特征构建交易行为的有向无环图结构；采集有向无环图结构中各节点的交易状态参数，对交易状态参数进行归一化映射得到风险度量初始值；根据风险度量初始值确定有向无环图结构中的风险传播路径，沿风险传播路径计算各节点的风险累积量；将风险累积量超过预设风险承载阈值的节点标记为风险节点，根据所有风险节点在有向无环图结构中的分布密度确定平台交易的全局风险指数；当全局风险指数大于预警触发值时，定位风险传播路径的起始节点，将起始节点对应的交易环节输出为风险源头。该方法通过从设备日志中重建交易链路的有向无环图并沿传播路径量化风险累积效应，能够准确定位交易链路中造成系统性风险的薄弱环节，提高平台交易风险识别的准确性和溯源效率。

3、作为本发明的一个技术方案，获取平台交易系统的设备日志数据，解析设备日志数据得到交易链路节点序列的过程包括：按照交易流水号对设备日志数据进行分组，同一交易流水号对应的所有日志记录归入同一交易实例；针对每个交易实例，提取日志记录中的时间戳和设备标识，根据时间戳的先后顺序对设备标识进行排序，将排序后的设备标识依次排列形成该交易实例的交易链路节点序列。该方案利用交易流水号实现日志数据的实例化重构，以时间戳顺序还原交易的设备级流转路径，为后续图结构构建提供精确的节点序列基础。

4、作为本发明的一个技术方案，根据交易链路节点序列提取相邻节点之间的时序关联特征并构建有向无环图结构的过程包括：遍历交易链路节点序列中所有相邻节点对，统计每一相邻节点对在所有交易实例中出现的频次；以设备标识为顶点，以频次大于频次阈值的相邻节点对为有向边，有向边的方向按照相邻节点对在交易链路节点序列中的先后顺序确定；以有向边的指向关系构建有向无环图结构。该方案通过频次筛选剔除偶发性的设备调用关系，保留交易链路中具有稳定时序依赖的拓扑结构，使构建的有向无环图更准确地反映交易行为的固有传播逻辑。

5、作为本发明的一个技术方案，采集有向无环图结构中各节点的交易状态参数并进行归一化映射的过程包括：确定有向无环图结构中每个顶点对应的设备，采集该设备在交易过程中的响应延迟参数、请求队列深度参数和错误计数参数；将响应延迟参数、请求队列深度参数和错误计数参数分别映射到统一数值区间，得到三个映射分量；对三个映射分量进行加权求和，得到该顶点对应的风险度量初始值。该方案综合多项可观测状态指标构建风险度量初值，全面反映设备节点的瞬时风险水平，为后续传播累加提供可靠的初始输入。

6、作为本发明的一个技术方案，根据风险度量初始值确定风险传播路径并计算各节点风险累积量的过程包括：从有向无环图结构的每个入度为零的顶点开始，沿有向边的方向遍历所有可达顶点，将每次遍历经过的有向边序列作为一条候选传播路径；对于每条候选传播路径，将路径上各顶点的风险度量初始值按照遍历顺序累加，每经过一个顶点将累加结果作为该顶点在当前传播路径下的路径风险累积量；当一个顶点存在于多条候选传播路径时，选取各候选传播路径下该顶点的路径风险累积量的最大值作为该顶点的风险累积量。该方案模拟风险沿交易链路逐级传导和放大的物理过程，以最大累积量原则保守估算各节点的真实风险承载状态，避免因路径分流造成的风险低估。

7、优选的，从每个入度为零的顶点开始遍历的过程包括：获取有向无环图结构中所有入度为零的顶点，为每个入度为零的顶点分配独立遍历线程；每个遍历线程从对应的入度为零的顶点出发，采用深度优先策略沿有向边向下遍历，每到达一个顶点时记录经过的有向边序列；当遍历至出度为零的顶点时终止当前线程的遍历，将记录的有向边序列输出为一条候选传播路径。该方案采用并发深度优先遍历实现全路径穷举，保证无环图中每一条完整传播路径均被有效捕获。

8、优选的，在路径风险累积量的计算过程中，初始化路径累积变量为路径上第一个顶点的风险度量初始值；每沿有向边移动至下一顶点时，将当前顶点的风险度量初始值与路径累积变量相加，用相加得到的和值更新路径累积变量；将更新后的路径累积变量赋值给当前顶点作为该顶点在当前传播路径下的路径风险累积量。该方案实现风险沿有向边的逐级顺序叠加，真实体现上游风险对下游节点的传递影响。

9、作为本发明的一个技术方案，根据风险节点分布密度确定全局风险指数的过程包括：将有向无环图结构中风险累积量大于预设风险承载阈值的顶点标记为风险顶点，统计全部风险顶点的数量；计算有向无环图结构中所有顶点两两之间的最短路径长度，选取其中的最大值为图直径；以图直径为归一化基准，对全部风险顶点的数量进行归一化处理，得到全局风险指数。该方案通过将风险节点规模与图结构最大跨度进行关联，以图直径为基准消除不同交易链路规模带来的度量尺度差异，使全局风险指数具备跨场景可比性。

10、作为本发明的一个技术方案，在全局风险指数触发预警后定位风险源头的过程包括：比较全局风险指数与预警触发值的大小，若全局风险指数大于预警触发值，则筛选出风险累积量大于预设风险承载阈值的所有风险顶点；从每个风险顶点开始沿有向边的反方向追溯至入度为零的起始顶点；统计每个起始顶点被追溯到的次数，将被追溯次数最多的起始顶点作为风险传播路径的起始节点，将起始节点对应的设备标识及交易环节输出为风险源头。该方案利用反向追溯统计锚定对多个下游风险节点具有共同触发作用的入口节点，以追溯频次作为源头确认的依据，提高风险根因分析的可信度和定位精度。

11、本发明还提供一种基于设备日志的平台交易风险智能分析系统，包括存储器、处理器以及存储在存储器中并在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于设备日志的平台交易风险智能分析方法的步骤。该系统将上述分析方法以程序形式固化于可执行环境中，能够自动化地对平台交易设备日志进行端到端的风险智能分析与源头追溯。

12、在上述技术方案中，本发明提供的技术效果和优点：

13、通过解析设备日志数据，以交易流水号分组获得同一交易实例的完整设备访问记录，利用时间戳和设备标识排序形成交易链路节点序列。遍历所有交易实例中相邻节点对的出现频次，将频次超过阈值的相邻节点对作为有向边，以设备标识为顶点，边的方向依据节点在序列中的先后顺序确定，由此构建有向无环图结构。该图结构将分散的日志记录转化为交易行为的拓扑表达，清晰反映出交易请求在设备间的实际流转路径和依赖关系，为分析风险沿链路的传播提供了结构化的计算载体。

14、在获得有向无环图后，从每个入度为零的顶点出发，沿有向边的方向遍历至出度为零的顶点，将遍历过程中经过的有向边序列作为候选传播路径。采集各节点的响应延迟、请求队列深度和错误计数等交易状态参数，经归一化和加权求和得出每个节点的风险度量初始值。沿候选传播路径将各节点的风险度量初始值顺序累加，一个节点存在于多条候选传播路径时取各路径累积量的最大值作为该节点的风险累积量。该方式模拟了风险从上游设备向下游设备传递并不断叠加的真实过程，对风险的级联放大效应进行了量化，使得各节点所受的综合风险影响得以准确衡量。将风险累积量超过预设风险承载阈值的节点标记为风险节点，结合有向无环图的图直径对风险节点数量进行归一化，得到全局风险指数，该指数反映了风险在交易链路拓扑中的扩散密度。当全局风险指数超过预警触发值时，从每个风险节点沿有向边反方向追溯至入度为零的起始顶点，统计各起始顶点被追溯的次数，将被追溯次数最多的起始节点对应的设备标识及交易环节输出为风险源头。这种反向追溯机制利用了有向无环图的单向依赖特性，能够排除被波及节点的干扰，直接定位到引发链路级风险积累的初始设备或交易环节，从而提升风险根因分析的自动化和精准度。