一种对抗训练的方法及装置
    1.
    发明公开

    公开(公告)号:CN117540791A

    公开(公告)日:2024-02-09

    申请号:CN202410013557.2

    申请日:2024-01-03

    Abstract: 本说明书实施例涉及一种对抗训练的方法及装置,方法包括:首先,获取基于训练集训练的第一模型,训练集中各训练样本包含结构化的特征数据及标签。然后,基于第一模型针对各个训练样本的总预测损失对特征数据的梯度值,确定目标权重向量。接下来,将目标权重向量施加于各训练样本的特征数据,得到各第一结果向量,并构建检索集。最后,基于训练集和检索集对第二模型进行多轮训练;任意一轮训练包括:使用训练集中部分训练样本训练第二模型;基于对抗训练算法与第二模型,确定部分训练样本对应的对抗样本特征;利用对抗样本特征在检索集中进行检索,从而确定各个对抗样本特征的标签,并构建对抗训练集;使用对抗训练集训练第二模型。

    一种执行风险识别业务的方法、装置、存储介质及设备

    公开(公告)号:CN115545938B

    公开(公告)日:2023-03-28

    申请号:CN202211508342.5

    申请日:2022-11-29

    Abstract: 本说明书公开了一种执行风险识别业务的方法、装置、存储介质及设备,通过将历史全图数据拆为各子图数据,通过训练后的解释模型确定各子图数据中主体的权重,根据各子图数据中主体的权重确定历史全图数据中主体的权重,作为历史全图数据的标注,根据历史全图数据及历史全图数据的标注训练预降噪模型。当确定满足更新条件时确定当前全图数据,将当前全图数据输入训练后的预降噪模型,得到当前全图数据中各主体的权重,根据得到的权重,裁剪当前全图数据中的主体得到可信图。可在执行业务前基于预降噪模型输出的权重对当前全图数据进行裁剪,得到降噪后的可信图,接收到携带业务数据的风控业务请求时则可根据可信图确定业务数据对应的风险识别结果。

    一种异常检测方法、装置、设备及可读存储介质

    公开(公告)号:CN115567371B

    公开(公告)日:2023-03-10

    申请号:CN202211460171.3

    申请日:2022-11-16

    Abstract: 本说明书公开了一种异常检测方法、装置、设备及可读存储介质,基于每个第一检测模型输出的第一训练样本的第一异常概率,对第一训练样本排序,得到第一训练样本对应于该第一检测模型的次序,针对每个第一训练样本,将该第一训练样本对应于每个第一检测模型的次序进行融合,得到该第一训练样本的第二异常概率作为标签,并根据各第一训练样本及其标签,训练第二检测模型,以根据训练后的第二检测模型,确定待检测事件的异常概率。可见,采用对各第一训练样本对应于第一检测模型的次序进行融合,解决了不同检测模型预测的异常概率分布不同的问题,用融合得到第二异常概率训练第二检测模型,提高了线上异常检测的响应效率和隐私信息的安全性。

    一种模型训练的方法、装置、存储介质及电子设备

    公开(公告)号:CN115618964A

    公开(公告)日:2023-01-17

    申请号:CN202211320460.3

    申请日:2022-10-26

    Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备。该模型训练的方法包括:获取样本数据,将所述样本数据输入待训练的数据处理模型中,得到各候选处理结果,以及每个候选处理结果对应的概率,从所述各候选处理结果中确定与所述样本数据对应的标签信息不匹配的目标结果,根据每个目标结果对应的概率,确定每个目标结果对应的权重,根据每个候选处理结果对应的概率以及所述权重,确定损失值,并根据所述损失值,对所述数据处理模型进行训练。

    一种风控方法、装置、存储介质及设备

    公开(公告)号:CN115564450A

    公开(公告)日:2023-01-03

    申请号:CN202211556873.1

    申请日:2022-12-06

    Abstract: 本说明书公开了一种风控方法、装置、存储介质及设备,通过根据异常业务的业务数据对各异常业务进行聚类,得到各业务簇及各业务簇分别对应的典型业务。以针对每个典型业务,根据该典型业务的业务数据,通过解释模型确定该典型业务被识别为异常的原因。并根据剩余异常业务与各典型业务的相似度及各典型业务被识别为异常业务的原因,确定剩余异常业务被识别为异常业务的原因,以根据各异常业务被识别为异常业务的原因执行风控业务。可通过聚类确定用于输入解释模型的典型业务,基于模型输出的典型业务被识别为异常业务的原因确定其他异常业务被识别为异常业务的原因,减少输入模型的数据量,减少模型计算耗时,提升确定原因的效率以提升风控效率。

    训练图生成网络、训练图神经网络的方法及装置

    公开(公告)号:CN115545189A

    公开(公告)日:2022-12-30

    申请号:CN202211507953.8

    申请日:2022-11-29

    Abstract: 本说明书实施例提供一种训练图生成网络、训练图神经网络的方法及装置,该方法包括:获取从原始关系图中提取的第一子图,其中各样本节点对应各样本用户,样本用户包括至少一个风险用户,边表示各样本用户之间的关联关系;获取扰动节点集,其中包括由正常用户构成的目标节点,及目标节点的邻居节点;利用图生成网络,处理第一子图和扰动节点集,生成第一子图中至少一个样本节点和目标节点之间的预测边,通过在第一子图上添加扰动节点集,并用预测边连接至少一个样本节点和目标节点,构成第二子图;利用图判别网络,预测第二子图为原始子图的第一概率;以最大化第一概率为目标,训练图生成网络。

    一种对话业务执行方法、装置、存储介质及电子设备

    公开(公告)号:CN115129878B

    公开(公告)日:2022-12-27

    申请号:CN202211052703.X

    申请日:2022-08-31

    Abstract: 在本说明书提供的对话业务执行方法、装置、存储介质及电子设备中,可获取用户在上一回合输入的回复内容,并确定上一回合向用户发送的话术的话术种类;根据回复内容,在预先构建的意图库中确定用户的意图;将确定出的意图与话术种类的组合确定为当前逻辑组合;在预先构建的规则库中确定与当前逻辑组合匹配的规则;根据所述规则,确定当前回合要向用户发送的话术的话术种类;根据话术种类在预先构建的话术库中确定向用户发送的话术,并将确定出的话术发送给所述用户。在采用本方法执行对话业务时,可通过规则的形式确定出下一回合向用户发送的话术,当需要修改对话逻辑时,只需要添加或修改特定的规则便可完成修改,极大地降低了更新维护的门槛。

Patent Agency Ranking