-
公开(公告)号：CN116822961A
公开(公告)日：2023-09-29
申请号：CN202310865597.5
申请日：2023-07-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06Q40/04 , G06F16/2455
Abstract: 本说明书实施例提供了风险识别模型的模型处理方法及装置，其中，一种风险识别模型的模型处理方法包括：将目标服务下的交易事件样本输入风险识别模型进行风险命中分数计算，获得交易事件样本在各风险项下的风险命中分数，借助风险命中分数、交易事件样本的样本分数、命中状态标签和风险识别模型的模型参数确定风险命中指标，通过损失函数基于风险命中指标和目标服务的风险约束指标计算训练损失，基于训练损失对风险识别模型进行参数调整。
-
公开(公告)号：CN116304738A
公开(公告)日：2023-06-23
申请号：CN202310264152.1
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/22 , G06F18/214
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，其中，该方法包括：获取待检测的第一实体对；基于预设模型搜索空间，生成待训练的匹配模型，并将所述第一实体对输入所述匹配模型，得到所述第一实体对的预测匹配度；基于预设匹配度阈值和所述第一实体对的预测匹配度，从所述第一实体对中选取目标实体对，并获取所述目标实体对的标注匹配度；基于所述目标实体对的标注匹配度和所述目标实体对的预测匹配度，对所述匹配模型进行迭代训练，得到训练后的匹配模型，所述训练后的匹配模型用于确定实体对中的数据是否表征同一实体。
-
公开(公告)号：CN116204838A
公开(公告)日：2023-06-02
申请号：CN202211599698.4
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2433 , G06F18/21 , G06Q10/10 , G06F21/62
Abstract: 本说明书提供了一种异常业务识别的方法、装置、存储介质及电子设备。在本说明书提供的异常业务识别方法中，将各业务分别作为各节点，根据业务信息判断各业务之间的关联关系，并根据关联关系确定各节点之间的边；根据确定出的各节点和边，构建业务图；针对每个节点，确定参与该节点对应的业务的用户，将预先获得的用户的用户特征添加到该节点的节点信息中，其中，用户特征是预先根据用户执行该业务的业务信息，确定出的用户对应于每个预设的可疑用户识别规则集的特征；当接收到针对目标业务的识别请求时，在业务图中提取目标业务对应的节点的子图；将子图输入预先训练的识别模型中，根据识别模型的输出结果识别所述目标业务是否为异常业务。
-
公开(公告)号：CN116188023A
公开(公告)日：2023-05-30
申请号：CN202310202513.X
申请日：2023-02-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06F18/25 , G06N3/08 , G06N3/0464
Abstract: 在本说明书提供的风险识别模型训练的方法中，获取多模态数据的训练样本，确定所述训练样本的标注，通过风险识别模型的编码子网，将所述训练样本中各模态的数据分别转化为矩阵，得到各第一特征矩阵，根据各第一特征矩阵确定多通道的第二特征矩阵，将所述第二特征矩阵输入到该模型的三维卷积子网中进行特征融合，根据融合后得到特征融合矩阵，确定预测结果，并根据所述预测结果和所述训练样本的标注对该模型进行训练。上述方法可以看出，将不同模态的数据转化为矩阵后再进行融合，方便了多种模态数据的特征融合，融合后得到的特征融合矩阵并不单纯依赖其中任何一种模态的数据，而是一次性充分融合了各模态的数据，提高了数据融合的效果和效率。
-
公开(公告)号：CN115827935B
公开(公告)日：2023-05-23
申请号：CN202310152553.8
申请日：2023-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/904 , G06F16/901 , G06F16/25 , G06F16/26 , G06F40/12 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06Q20/40 , G06Q50/26
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：获取目标结构化数据，基于目标结构化数据，将目标结构化数据转换为图结构数据，将图结构数据划分为多个不同的子图数据，并基于图结构数据、多个不同的子图数据和对目标结构化数据进行预设的逻辑操作的数据，确定多个不同的子图数据中与预设的逻辑操作的数据相匹配的目标子图数据，预设的逻辑操作的复杂程度高于预设阈值；将目标结构化数据以序列化的方式输入到编码器中，得到目标结构化数据对应的编码序列，并基于编码序列、目标结构化数据对应的嵌入特征数据和目标子图数据，通过解码器生成目标结构化数据对应的群组描述文本，增加了群组成员逻辑操作，提升了文本生成的质量。
-
Patent Agency Ranking
公开(公告)号：CN115953248B
公开(公告)日：2023-05-16
申请号：CN202310220105.7
申请日：2023-03-01
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种基于沙普利可加性解释的风控方法、装置、电子设备及介质。方法包括：获取目标交易业务的原始样本集，并确定出属于强关联的特征组合。基于强关联的特征组合的有效值，构建第一类扰动样本集。基于沙普利可加性解释执行：分别对原始样本集和第一类扰动样本集中的特征进行采样，得到多个采样结果所对应的待解释特征集，第一类扰动样本集对应的至少一种采样结果包含有强关联的特征组合；以及基于每个待解释特征集的准基Shapley值，计算出每个采样得到的特征的SHAP值。根据SHAP值，从每个采样得到的特征中选取出对目标交易业务影响度达到预设标准的目标特征。对目标交易业务中符合目标特征的用户执行预设风控决策。
-
公开(公告)号：CN115860749B
公开(公告)日：2023-05-16
申请号：CN202310111090.0
申请日：2023-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：接收针对目标账户的账户解限请求；获取用于解限目标账户的解限数据，基于解限数据确定目标账户是否处于账户白名单中或处于账户黑名单中，如果确定目标账户处于账户黑名单中，则拒绝对目标账户进行解限处理，如果确定目标账户处于账户白名单中，则获取并执行账户白名单对应的第一解限规则，以对目标账户进行解限处理；如果基于解限数据无法确定目标账户处于账户白名单或账户黑名单中，则针对解限数据中包含的不同类型的数据，分别通过预设数据处理规则进行处理，得到相应的解限辅助信息，以基于解限辅助信息对目标账户进行解限处理，以提高账户解限的效率和准确率。
-
公开(公告)号：CN115600155B
公开(公告)日：2023-05-12
申请号：CN202211399727.2
申请日：2022-11-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F16/28 , G06F16/906 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：获取目标用户执行目标业务时产生的目标数据，目标数据中包括结构化数据和/或非结构化数据，非结构化数据中包括文本数据、图像数据和时序数据中的一种或多种；将目标数据转换为标记序列，并根据目标数据中包含的数据内容和标记序列的对应关系，为标记序列中的每个标记信息设置相应的位置，根据目标数据中包含的数据类型的不同，为标记序列设置相应的数据分块信息；将标记序列、设置的相应位置和设置的相应数据分块信息输入到预设的编码模型中，得到标记序列中的每个标记信息对应的编码信息；基于标记序列中的每个标记信息对应的编码信息进行相应的业务处理。
-
公开(公告)号：CN116070916A
公开(公告)日：2023-05-05
申请号：CN202310229786.3
申请日：2023-03-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06N3/0464 , G06N3/0895 , G06N3/088
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，其中，该方法包括：获取待检测的目标数据，所述目标数据包括人机交互过程中生成的多个行为数据；基于预先训练的风险检测模型和所述目标数据，确定所述目标数据的风险类型以及目标事件组合，所述目标事件组合包含所述行为数据中具有预设关联关系的多个行为数据，所述风险检测模型为基于历史数据和所述预设关联关系对应的损失函数，对由预设深度学习算法构建的模型进行训练得到；基于所述目标数据的风险类型以及所述目标事件组合，确定针对所述目标数据的风险检测结果。
-
公开(公告)号：CN116010246A
公开(公告)日：2023-04-25
申请号：CN202211590876.7
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/36 , G06N3/0475 , G06N3/092
Abstract: 本说明书实施例提供了名单筛查系统的有效性评估方法和装置。该方法包括：将至少一个原始业务信息输入预先训练出的测试用例生成模型，得到该测试用例生成模型输出的至少一个对抗业务信息；其中，所述测试用例生成模型是利用真实业务信息训练得到的，且该测试用例生成模型对每一个原始业务信息进行变异后得到该原始业务信息对应的对抗业务信息；将测试用例生成模型输出的至少一个对抗业务信息输入名单筛查系统；根据至少一个原始业务信息、测试用例生成模型输出的至少一个对抗业务信息、名单筛查系统识别出的对抗业务信息，得到名单筛查系统的有效性。本说明书实施例能够更为准确地评估出一个名单筛查系统的有效性。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.052 seconds)
