基于树模型的金融系统演练场景关键故障风险分析方法

本申请涉及一种基于树模型的金融系统演练场景关键故障风险分析方法。该方法包括：收集金融系统被测试模块在混沌工程故障演练的故障数据，获得故障数据集，对故障数据集使用高斯混合模型和K‑means聚类分析法进行分类，确定故障数据集中各故障数据所属的故障类型，使用基于随机森林构建的决策树对故障数据集中各故障数据进行分析，确定各故障数据的特征重要性，将各故障数据的特征重要性输入XGBoost模型进行预测分析，获得各故障数据的风险预测值，根据各故障数据所属的故障类型和风险预测值进行综合分析，确定出关键故障及关键故障路径。提高了金融系统的故障风险分析的精准度及效率。