-
公开(公告)号：CN115408449A
公开(公告)日：2022-11-29
申请号：CN202211332029.0
申请日：2022-10-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06K9/62 , G06Q20/40
Abstract: 本说明书实施例公开了一种用户行为的处理方法、装置及设备，该方法包括：获取目标用户在当前时刻执行目标业务过程中的用户行为数据，并基于当前时刻获取的用户行为数据，获取目标用户执行目标业务过程中的相应用户历史行为数据，将当前时刻获取的用户行为数据和相应用户历史行为数据分别输入到预先训练的编码模型中，得到用户行为数据对应的向量表征和相应用户历史行为数据对应的向量表征，基于用户行为数据对应的向量表征和相应用户历史行为数据对应的向量表征，确定两者之间的相似度，并基于相似度，确定目标用户执行目标业务过程中用户行为分布的变化趋势信息，进而确定用户行为数据中目标用户的用户行为发生突变的位置。
-
公开(公告)号：CN115238826A
公开(公告)日：2022-10-25
申请号：CN202211121861.6
申请日：2022-09-15
Applicant: 支付宝(杭州)信息技术有限公司
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，首先获取样本业务数据以及隐私数据，将获取到的样本业务数据以及隐私数据输入到待训练的参照模型中，得到第一预测结果，以及，将样本业务数据输入到待训练的预测模型中，得到第二预测结果，以最小化第一预测结果与第二预测结果之间的偏差，以及最小化第一预测结果与样本业务数据对应的标签数据之间的偏差为优化目标，对参照模型以及预测模型进行联合训练，其中，训练后的预测模型应用于业务执行。
-
公开(公告)号：CN111523651A
公开(公告)日：2020-08-11
申请号：CN202010631978.3
申请日：2020-07-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例提供了用于评估神经网络的方法、装置、计算设备和机器可读存储介质。该方法可以包括：生成针对神经网络的原始样本的多个对抗样本，其中：每个对抗样本是基于距离因素和类别差异因素来生成的，距离因素用于表示该对抗样本与原始样本之间的距离，类别差异因素用于表示神经网络对该对抗样本的预测类别与对抗样本目标类别之间的差异；对于任何两个对抗样本而言，针对一个对抗样本的距离因素和类别差异因素中的至少一者的度量方式是不同于另一对抗样本的；使用多个对抗样本对神经网络进行评估。
-
公开(公告)号：CN111461892A
公开(公告)日：2020-07-28
申请号：CN202010244612.0
申请日：2020-03-31
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用于风险识别模型的衍生变量选择方法、装置及电子设备、存储介质，涉及风险识别领域。通过根据目标遗传算法模型及其种子池生成的衍生变量的质量，确定目标遗传算法模型更新后的种子池，且更新后的种子池包括更新前种子池生成的N个质量最优的衍生变量的父本集合；然后根据第一父本累积变量集合和第二父本累积变量集合，以衍生变量质量最优的变异方向确定目标衍生变量集合，输出目标衍生变量集合中的衍生变量，以作为风险识别模型的样本特征。
-
公开(公告)号：CN111340509A
公开(公告)日：2020-06-26
申请号：CN202010440520.X
申请日：2020-05-22
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虚假交易识别方法、装置及电子设备。所述方法包括：获取预定平台所对应的原始交易图数据，根据目标节点从所述原始交易图数据中提取出子图数据；将所述子图数据作为输入，利用预定的多个连续的神经网络结构执行信息聚合操作和特征向量提取操作得到目标特征向量；其中，所述信息聚合操作用于根据各节点之间的相关性确定注意力矩阵，并根据所述注意力矩阵对目标节点的邻域节点信息进行聚合，所述各节点之间的相关性包括根据各节点信息所确定的第一相关性以及根据边信息所确定的第二相关性；将所述目标特征向量输入到分类器中，以便根据所述分类器的输出结果判断所述待识别交易是否为虚假交易。
-
Patent Agency Ranking
公开(公告)号：CN111144718A
公开(公告)日：2020-05-12
申请号：CN201911278052.4
申请日：2019-12-12
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私有数据保护的风险决策方法、装置、系统及设备。方法应用于目标联邦学习训练中的目标成员对象，包括：将属于私有数据的风险特征集合输入至本地的第一风控模型，确定目标风险特征维度的预测贡献值，目标风险特征维度为该风险特征集合和第一风控模型对应的其中一个风险特征维度，第一风控模通过目标联邦学习训练得到。接收目标联邦学习训练的其他成员对象发送的目标风险特征维度的预测贡献值，其他成员对象确定的目标风险特征维度的预测贡献值的方法与目标成员对象一致。基于包含自身在内的至少两个成员对象确定的目标风险特征维度的预测贡献值，确定目标风险特征维度的重要性的解释数据，以进行风险决策。
-
公开(公告)号：CN117194992A
公开(公告)日：2023-12-08
申请号：CN202311454844.9
申请日：2023-11-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/25 , G06F9/50 , G06N3/0499 , G06N3/08
Abstract: 本说明书公开一种模型训练、任务执行方法、装置、存储介质及设备，中心服务器可以基于各下游任务的共性样本对初始模型进行预训练，得到具有执行各下游任务的基础能力的预训练模型，进而可以通过将预训练模型的模型参数发送给每个下游服务器，以使得每个下游服务器基于本地样本对预训练模型中的调整层进行训练，得到训练后模型，并将训练后模型的调整层的网络参数返回，中心服务器可以根据各下游服务器返回的调整层网络参数，对预训练模型的调整层进行更新，得到目标模型，从而使得可以通过预训练模型的调整层学习到不同下游服务器所私有的本地样本和预训练过程中使用的共性样本之间的潜在联系，进而使得目标模型在下游任务中的性能得到提升。
-
公开(公告)号：CN116128072B
公开(公告)日：2023-08-25
申请号：CN202310122752.4
申请日：2023-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06V10/774 , G06F18/214
Abstract: 本说明书公开了一种风险控制模型的训练方法、装置、设备及存储介质，针对该风险控制模型的每个模型参数，确定该模型参数在本次迭代过程中的梯度，作为第一梯度，并确定该模型参数在上一次迭代过程中的梯度，作为第二梯度，根据第一梯度和该第二梯度确定该模型参数的步长参数，再根据预设的学习率、步长参数和第一梯度，确定该模型参数对应的参数调整量，以及根据参数调整量对该模型参数进行调整。本方法中的步长参数在第一梯度和第二梯度方向相同时对应的参数值高于第一梯度和第二梯度方向相反时对应的参数值，因而在模型参数出现震荡时，参数调整量会随之减小，避免了由于参数调整量过大导致模型参数出现持续震荡的情况出现，提高了训练效率。
-
公开(公告)号：CN116128072A
公开(公告)日：2023-05-16
申请号：CN202310122752.4
申请日：2023-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06V10/774 , G06F18/214
Abstract: 本说明书公开了一种风险控制模型的训练方法、装置、设备及存储介质，针对该风险控制模型的每个模型参数，确定该模型参数在本次迭代过程中的梯度，作为第一梯度，并确定该模型参数在上一次迭代过程中的梯度，作为第二梯度，根据第一梯度和该第二梯度确定该模型参数的步长参数，再根据预设的学习率、步长参数和第一梯度，确定该模型参数对应的参数调整量，以及根据参数调整量对该模型参数进行调整。本方法中的步长参数在第一梯度和第二梯度方向相同时对应的参数值高于第一梯度和第二梯度方向相反时对应的参数值，因而在模型参数出现震荡时，参数调整量会随之减小，避免了由于参数调整量过大导致模型参数出现持续震荡的情况出现，提高了训练效率。
-
公开(公告)号：CN115545353B
公开(公告)日：2023-04-18
申请号：CN202211508341.0
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06Q10/0635 , G06Q30/0601
Abstract: 本说明书公开了一种业务风控的方法、装置、存储介质及电子设备，首先，获取业务数据。其次，针对业务数据中包含的每种类型的数据，将该种类型的数据输入到预先训练的预测模型中该类型对应的编码层中，得到该种类型的数据对应的数据特征。而后，将各种类型的数据特征输入到影响性确定层中，以确定每种类型的数据对预测模型输出的结果的影响程度。然后，将影响程度以及各种类型的数据特征输入到预测层中，以预测业务数据对应业务的业务提供方按照业务数据执行的业务的业务类别，作为预测类别。最后，根据预测类别以及业务提供方约定的所提供的业务的业务类别，进行业务风控。本方法可以减少人工审核数据的成本，并且，提高了预测类别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.032 seconds)
