公开(公告)号：CN111818093B

公开(公告)日：2020-12-11

申请号：CN202010888435.X

申请日：2020-08-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宋博文 ,  顾曦 ,  陈帅

IPC: H04L29/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供一种适用于在多方隐私保护下进行风险评估的神经网络系统、方法及装置。根据该方案，首先基于第一神经网络模型中的N个子模型分别获取用户的N个属性字段各自在约定的T个时刻的字段值序列；然后，采用时间递归的方式，分别将N个字段值序列处理为N个表征向量；上述N个子模型可部署于隔离的多方之中，且上述表征向量可保护原始字段值代表的隐私数据。最后，利用第二神经网络模型，基于注意力机制，对N个表征向量进行融合，基于融合结果确定与用户相关的风险评估结果。

公开(公告)号：CN110659744A

公开(公告)日：2020-01-07

申请号：CN201910916976.6

申请日：2019-09-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宋博文 ,  朱勇椿 ,  陈帅 ,  顾曦

IPC: G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供一种训练事件预测模型以及进行事件评估的方法和装置。在训练方法中，首先获取训练样本集，其中包括大量源域样本和少量目标域样本；将各个样本输入事件预测模型，该模型包括源域提取器、目标域提取器、共享提取器，其中，对于源域样本，采用源域提取器和共享提取器进行处理，对于目标域样本，采用目标域提取器和共享提取器进行处理。然后，基于处理得到的样本特征向量，预测当前样本的分类类别，并据此得到分类损失。另一方面，还根据各源域样本在模型特定网络层的第一表征，以及目标域样本在该网络层的第二表征，确定域适应损失。于是，在分类损失和域适应损失构成的总损失减小的方向，更新和训练事件预测模型。