-
公开(公告)号：CN117671277A
公开(公告)日：2024-03-08
申请号：CN202311226890.3
申请日：2023-09-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/40 , G06V10/74 , G06V10/774
Abstract: 本说明书公开了一种图特征提取方法、装置、存储介质及电子设备。在本说明书提供的图特征提取方法中，获取目标图；将所述目标图输入预先训练的特征提取模型中，所述特征提取模型至少包括对比子网、输出子网；通过所述对比子网，针对所述特征提取模型中存储的每个隐藏图，确定该隐藏图与所述目标图之间的相似度，其中，所述隐藏图是通过对所述特征提取模型进行训练得到的；通过所述输出子网，根据所述目标图与各隐藏图之间的相似度输出所述目标图的图特征。
-
公开(公告)号：CN116402108A
公开(公告)日：2023-07-07
申请号：CN202310264181.8
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08 , G06N3/0475 , G06N3/045 , G06F18/214 , G06F18/24
Abstract: 本说明书公开了一种模型训练及图数据的处理方法、装置、介质及设备。生成对抗网络包含目标模型和对抗模型。通过将根据图数据确定的各训练样本输入目标模型，得到目标模型对各训练样本的预测结果，并根据预测结果和各训练样本的标注，确定目标模型对各训练样本进行预测的损失，作为第一损失。将各训练样本输入对抗模型，通过对抗模型模拟对各训练样本的分布进行调整。以根据第一损失预估目标模型对模拟出的调整分布后的各训练样本进行预测的损失，作为第二损失。以第二损失最小为目标训练目标模型，并以第二损失最大为目标训练对抗模型。通过生成对抗网络中目标模型与对抗模型间对抗性训练方式，最大化目标模型的最低性能，提升目标模型鲁棒性。
-
公开(公告)号：CN116342290A
公开(公告)日：2023-06-27
申请号：CN202310264151.7
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/06 , G06Q40/04 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种风险识别方法、模型训练方法及对应装置。主要技术方案包括：获取利用用户的网络行为数据构建的网络图，网络图包括节点和边，节点为网络行为，两个节点之间的边为两个网络行为对应的相同用户；利用子网提取模型从网络图中提取目标节点对应的子网络；利用风险识别模型确定目标节点在子网络中的第一特征表示以及在网络图中的第二特征表示，利用第一特征表示和第二特征表示识别目标节点的风险信息，风险信息包括该目标节点对应的网络行为是否为风险行为，或者该目标节点对应的网络行为的风险等级信息。通过本说明书实施例能够提高对用户网络行为风险识别的准确性和可解释性。
-
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
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F17/00 , G06Q40/04 , G06N3/08 , G06N3/04 , G06F16/901
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。
-
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
Applicant: 支付宝(杭州)信息技术有限公司
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。
-
Patent Agency Ranking
公开(公告)号：CN118709148A
公开(公告)日：2024-09-27
申请号：CN202410712785.9
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/26 , G06F18/22 , G06N3/042 , H04L67/50 , H04L67/1396
Abstract: 本说明书实施例公开了一种模式挖掘的方法、装置及电子设备。所述模式挖掘的方法包括：对数据集中的每组数据组，构建以目标用户为中心的原始图；基于所述数据集中包含的数据组中的行为数据，构建所述原始图中各个节点的补充信息；从所述原始图中，提取包含所述原始图中目标用户对应的节点的至少一个子图，并对所述子图进行聚合处理，得到所述子图的聚合信息，所述聚合处理用于在将所述子图中节点的邻接节点的补充信息汇聚到节点后，对所述子图中各个节点的信息进行聚合；对所述数据集中各个所述目标用户对应的聚合信息进行匹配，并根据匹配结果，确定所述数据集中所述目标用户的行为模式。
-
公开(公告)号：CN118349902A
公开(公告)日：2024-07-16
申请号：CN202410532691.3
申请日：2024-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2413 , G06F18/20 , G06F18/213 , G06F18/2323
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，方法包括：获取目标图结构数据中与候选节点对应的子图数据；基于所述子图数据，通过表征提取模型对所述子图数据进行表征提取处理，得到所述子图数据包含的节点对应的表征向量；基于所述子图数据包含的节点对应的表征向量，对多个所述子图数据进行聚类处理，得到多个类；基于每个类对应的所述子图数据的数量，确定所述多个类中的目标类；在基于所述目标类对应的子图数据包含的节点的风险标签，确定所述目标类对应的子图数据为存在风险的子图数据的情况下，基于所述目标类对应的子图数据和待检测的图结构数据，对目标用户触发执行资源转移业务是否存在风险进行检测。
-
公开(公告)号：CN117726459A
公开(公告)日：2024-03-19
申请号：CN202410077862.8
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/08 , G06N5/022 , G06N3/0455 , G06N3/0464 , G06N3/042
Abstract: 本说明书实施例公开了一种数据的处理方法、装置及设备，该方法包括：获取针对目标商户的多种不同的模态数据，然后，可以基于多种不同的模态数据，分别通过多种不同的多模态知识图谱构建方式，构建相应的多模态知识图谱，对构建的多个多模态知识图谱中的节点之间的关系进行增补检测，并对需要进行增补的多模态知识图谱的不同节点之间的关系进行增补处理，得到增补后的多模态知识图谱，最终，可以将无需增补的多模态知识图谱和增补后的多模态知识图谱输入到预先训练的图谱表征模型中，得到针对目标商户的表征信息，基于针对目标商户的表征信息进行风险防控处理，图谱表征模型中包括注意力模块。
-
公开(公告)号：CN116403034A
公开(公告)日：2023-07-07
申请号：CN202310333647.5
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06Q40/04 , G06Q10/0635
Abstract: 在本说明书提供的图数据模型训练的方法中，根据历史业务记录确定训练样本，通过图数据模型确定训练样本的风险评估值，当训练样本为无标签样本时，根据各无标签样本的风险评估值确定分布；并根据有标签样本的标签，确定所述分布中与所述标签相匹配的区间，以各有标签样本的风险评估值落入与所述标签相匹配的区间为目标，训练所述待训练的图数据模型。从上述方法可以看出，通过利用无标签样本的风险评估值确定分布，再确定有标签样本的风险评估值与所述评估分布的差异，根据所述差异确定损失，利用所述损失训练图数据模型，实现了利用小样本训练图神经网络模型。
-
公开(公告)号：CN115545938A
公开(公告)日：2022-12-30
申请号：CN202211508342.5
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/08 , G06N3/04 , G06F16/901
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。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.039 seconds)
