-
公开(公告)号：CN118628248A
公开(公告)日：2024-09-10
申请号：CN202410853853.3
申请日：2024-06-27
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交易数据的用户分类方法、装置、介质及设备，服务器在接收包含各用户的交易数据的交易数据集后，针对每个用户，根据交易数据集确定出与该用户在至少同一个交易对象进行过交易的用户，作为相关用户，而后根据交易数据集中的交易数据，确定该用户与该用户对应相关用户之间的业务相似度，进而根据每个用户与各自对应相关用户之间的业务相似度，得到针对各用户的分类结果。通过限定与用户在同一个交易对象进行过交易的用户作为相关用户，并仅计算用户与对应的相关用户之间的业务相似度，大幅减少了计算资源的耗费，提高了基于业务相似度对各用户进行分类的效率。
-
公开(公告)号：CN116432048A
公开(公告)日：2023-07-14
申请号：CN202310350772.7
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种异常检测方法、装置、存储介质及电子设备。在本说明书提供的异常检测方法中，获取待检测数据；将所述待检测数据输入预先训练的检测模型，以通过所述检测模型中的提取子网提取所述待检测数据的原始特征；将所述原始特征输入所述检测模型的重构子网，以通过所述重构子网对所述原始特征进行处理操作，得到中间特征，并对所述中间特征进行还原操作，得到所述待检测数据的重构特征，其中，所述处理操作至少包括降维操作，所述还原操作至少包括升维操作；根据所述原始特征与所述重构特征，确定所述原始特征与所述重构特征之间的相似度；根据所述相似度，确定所述待检测数据是否异常。
-
公开(公告)号：CN116405561A
公开(公告)日：2023-07-07
申请号：CN202310345422.1
申请日：2023-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L67/568 , H04L67/59 , G06F18/213 , G06F30/20
Abstract: 本说明书公开了一种基于特征仿真的风险控制的方法、装置、介质及设备，在本说明书提供的的方法中，针对每个用户，本方法先获取目标时刻的当前流式业务数据、存储的该用户的历史特征仿真结果，然后根据预设的算子对当前流式业务数据与该用户的历史特征仿真结果进行统计，确定该用户在该目标时刻的特征仿真结果并存储，当对目标用户进行风险控制时，根据存储的该目标用户的特征仿真结果确定目标用户的分类结果以进行风险控制。本方法只需确定目标时刻的当前流式业务数据与存储的用户的历史特征仿真结果，就可以确定用户在该目标时刻的各种特征仿真结果，进行风险控制，实现了基于流式数据的特征仿真，节省了特征仿真所需存储空间。
-
公开(公告)号：CN116342281A
公开(公告)日：2023-06-27
申请号：CN202310323458.X
申请日：2023-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/047 , G06N3/08 , G06F18/241 , G06F18/2415 , G06F18/2431 , G06F18/214
Abstract: 本说明书实施例公开了一种交易事件的风险感知方法、装置及设备，该方法包括：获取预设时长内产生的交易事件的信息；基于每个所述交易事件的信息，确定每个所述交易事件对应的特征和每个所述交易事件对应的交易渠道信息；分别将每个所述交易事件对应的特征输入到预先训练的目标模型中，得到每个所述交易事件存在预设风险的概率，所述目标模型用于确定所述交易事件存在预设风险的可疑程度；基于每个所述交易事件存在预设风险的概率和每个所述交易事件对应的交易渠道信息，确定预设时长内产生的交易事件所属的交易渠道中每种所述交易渠道针对所述预设风险的风险表征信息和/或每种所述交易渠道的风险归因信息。
-
公开(公告)号：CN118568469A
公开(公告)日：2024-08-30
申请号：CN202410712787.8
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/084 , G06F21/62
Abstract: 本说明书公开了一种特征提取方法、装置、介质及设备，将原始用户信息输入编码层，得到用户特征，将用户特征输入解码层，得到混淆用户信息。根据混淆用户信息和原始用户信息确定损失，根据损失至少确定编码层的第一梯度。通过梯度反转层中预设的反转系数，将第一梯度取反，根据取反后的第一梯度，对编码层的参数进行调整。响应于目标用户信息的特征提取请求，将目标用户信息输入训练完成的隐私保护模型中的编码层，确定用户特征并返回。降低了用户特征被解码层逆向还原的概率，减小了用户信息泄露的风险。
-
Patent Agency Ranking
公开(公告)号：CN118260713A
公开(公告)日：2024-06-28
申请号：CN202410384289.5
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种多模态数据的融合方法、装置及设备，该方法包括：获取资源交易中风险防控业务的业务数据中包含的多种不同模态的模态数据，多种不同模态的模态数据中包含序列化模态的模态数据和非序列化模态的模态数据，将每种非序列化模态的模态数据分别输入到模态融合模型中的第一模态编码子模型中，得到对应的第一数据表征，获取序列化模态的模态数据对应的输入编码信息，并确定每个第一数据表征插入到输入编码信息中的位置对应的第二位置编码信息，基于每个第一数据表征和相应的第二位置编码信息，以及输入编码信息，生成输入序列编码信息，将输入序列编码信息输入到模态融合模型中的第二模态编码子模型中，得到对应的融合表征。
-
公开(公告)号：CN118070922A
公开(公告)日：2024-05-24
申请号：CN202410276169.3
申请日：2024-03-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种模型的处理方法、装置及设备，该方法包括：获取多个不同模态的模态数据，将多个不同模态的模态数据分别输入到表征模型中相应的模态编码器中，得到每种模态的模态数据对应的第一数据表征，基于不同模态的模态数据对应的第一数据表征，通过对比学习的方式和预设的第一损失函数，确定第一损失信息，通过表征模型将不同模态的模态数据对应的第一数据表征进行表征融合处理，并将融合后的数据表征输入表征模型中的表征增强子模型中，基于表征增强子模型的输出结果和多个不同模态的模态数据对应的标签信息，通过预设的第二损失函数，确定第二损失信息，基于第一损失信息和第二损失信息对表征模型进行预训练。
-
公开(公告)号：CN117313141A
公开(公告)日：2023-12-29
申请号：CN202311147658.0
申请日：2023-09-06
Applicant: 支付宝(杭州)信息技术有限公司
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，确定在异常检测时刻包含待检测对象的目标拓扑图，根据目标拓扑图中与待检测对象通过边连接的邻居节点、待检测对象以及待检测对象与邻居节点之间的边，确定待检测对象的目标特征，基于待检测对象的目标特征，确定待检测对象在异常检测时刻的异常检测结果。基于在异常检测时刻的目标拓扑图确定待检测对象的目标特征，利用随时间变化的邻居节点的信息，以及随时间变化的待检测对象与邻居节点之间的边的信息，汇总动态变化的图结构和时序信息，从而得到待检测对象在异常检测时刻的异常检测结果，从而基于异常检测结果判断待检测对象是否存在异常，保证了线上业务和隐私数据的安全性。
-
公开(公告)号：CN117113174A
公开(公告)日：2023-11-24
申请号：CN202311008790.3
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N20/00
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，获取样本数据，将样本数据输入待训练的机器学习模型，得到样本特征。针对每个样本特征，确定该样本特征的信息量，确定该样本特征与目标任务的相关性，根据各样本特征的信息量以及各样本特征与目标任务的相关性，确定各样本特征的评估值，根据各样本特征的评估值，对各样本特征进行选择，得到最终样本特征。根据最终样本特征，对待训练的机器学习模型进行训练。实现了对机器学习模型的样本特征的选择，使得选取到的样本特征与目标任务相关性高的同时包含的信息量大，减少训练时间，降低机器学习模型对硬件设备计算资源以及存储资源的要求，提高机器学习模型的性能。
-
公开(公告)号：CN116050835A
公开(公告)日：2023-05-02
申请号：CN202211725904.1
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06Q40/04 , G06F18/23
Abstract: 本说明书一个或多个实施例公开了一种风险群体分析方法、装置及设备。所述方法包括：获取目标用户群体对应的第一风险群体关系图；所述第一风险群体关系图中的节点表示所述目标用户群体中的用户，所述第一风险群体关系图中两个节点之间的边表示对应两个用户在预设关联逻辑下所建立的连接；使用第一聚类算法对所述第一风险群体关系图进行基于密度的聚类，得到所述目标用户群体对应的第二风险群体关系图；使用第二聚类算法对所述第二风险群体关系图进行基于连通关系的聚类，得到所述目标用户群体对应的目标风险群体关系图；基于所述目标风险群体关系图，生成所述目标用户群体对应的风险群体分析结果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.044 seconds)
