-
公开(公告)号:CN115293025A
公开(公告)日:2022-11-04
申请号:CN202210788679.X
申请日:2022-07-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种图数据的处理方法及对应装置。其中方法包括:获取利用用户的网络行为数据构建的图数据,图数据包括节点的数据和边的数据,节点包括行为主体和行为对象,边依据行为主体和行为对象之间的行为关系确定;获取风险识别模型的权重参数矩阵和图数据对应的节点特征矩阵,利用权重参数矩阵和节点特征矩阵确定线性化后的特征矩阵;利用线性化后的特征矩阵,确定图数据中的各节点对产生攻击扰动的重要度;依据重要度从图数据中的各节点中选择锚节点;在图数据中删除目标节点与锚节点相连的边,得到去噪后的图数据。通过本申请能够有效降低风险识别模型受对抗攻击的影响,从而提高风险识别模型的鲁棒性。
-
公开(公告)号:CN119760347A
公开(公告)日:2025-04-04
申请号:CN202411830587.9
申请日:2024-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/2433 , G06F18/214 , G06N3/042 , G06N3/0895
Abstract: 本说明书实施例公开了一种动态图表征模型训练、动态图异常检测方法及装置。该训练方法在训练过程中依赖于节点记忆表征进行图对比学习,不需要标签即可高效地训练异常检测模型。基于上述动态图表征模型训练方法训练的动态图表征模型,能够有效地捕获动态图场景中的图结构异常、节点属性异常及时序异常,进而能够以无监督的方式有效解决动态图异常检测问题。本说明书实施例所述的动态图表征模型训练装置、动态图异常检测方法及装置同样具有上述效果。
-
公开(公告)号:CN119167287A
公开(公告)日:2024-12-20
申请号:CN202411129996.6
申请日:2024-08-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本说明书实施例公开了一种图数据处理方法、装置、计算机可读存储介质与电子设备,该图数据处理方法可以包括:利用包含图神经网络模型、超图神经网络模型与特征融合模型的目标深度学习模型,对业务实体的关联关系图的第一图数据与该业务实体的关联关系超图的第二图数据进行处理,以通过图神经网络模型根据第一图数据生成该业务实体的第一特征数据,通过超图神经网络模型根据第二图数据生成该业务实体的第二特征数据,以及,通过特征融合模型针对同一业务实体的第一特征数据与第二特征数据进行特征融合处理,从而得到业务实体的目标特征数据。
-
公开(公告)号:CN117455304A
公开(公告)日:2024-01-26
申请号:CN202311527242.1
申请日:2023-11-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0639 , G06Q10/0635 , G06N5/022 , G06F18/241
Abstract: 本公开提供了一种用于数字生态图谱链路预测的方法,方法包括:基于初始节点信息和初始边信息来构建初始数字生态图谱,该初始数字生态图谱包含不同类型的节点和不同类型的边;将初始数字生态图谱中待预测链路关系的节点对中的各节点的初始节点特征分别送入更新网络以得到各节点的节点更新特征,其中该更新网络采用嵌入边类型表征的邻域聚集来更新各节点的节点特征;以及将该节点对中的各节点的节点更新特征送入分类器以预测该节点对之间是否存在潜在链路。本申请还涉及用于数字生态图谱链路预测的系统、装置和介质。
-
公开(公告)号:CN117252696A
公开(公告)日:2023-12-19
申请号:CN202311175198.2
申请日:2023-09-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06F16/901
Abstract: 本说明书一个或多个实施例公开了一种资源链路确定的方法、装置及电子设备。所述方法包括:构建包含目标流转事件、在目标流转事件发生前的第一关联流转事件和目标流转事件发生后的第二关联流转事件的第一网络流图;在第一网络流图中添加虚拟源点和虚拟汇点,并将虚拟源点和第一关联流转事件对应的目标流转事件对应的节点以外的节点相连、将虚拟汇点和第二关联流转事件对应的目标流转事件对应的节点以外的节点相连,得到第二网络流图;从第二网络流图中的虚拟源点和所述虚拟汇点之间,确定包含目标流转事件对应的边的目标路径;将目标路径在第一网络流图中对应的边所表示的流转事件,作为目标流转事件对应的资源链路确定结果。
-
公开(公告)号:CN115545189B
公开(公告)日:2023-04-18
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
IPC: G06N3/094 , G06N3/0475 , G06Q20/40
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。
-
公开(公告)号:CN115965079A
公开(公告)日:2023-04-14
申请号:CN202211680435.6
申请日:2022-12-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种图模型训练方法和装置。待训练的图模型适用于第一业务场景中;该方法包括:得到教师网络图模型;其中,所述教师网络图模型适用于第二业务场景中且为训练完毕的图模型;从第一业务场景中得到训练样本;利用教师网络图模型与待训练的图模型分别学习训练样本;对根据教师网络图模型对训练样本的学习结果与待训练的图模型对训练样本的学习结果进行相似性约束,以得到差异损失;利用待训练的图模型对训练样本的学习结果,得到业务损失;根据所述差异损失以及所述业务损失,调整所述待训练的图模型的模型参数。本说明书实施例能够减少对第一业务场景中训练样本的数量的要求。
-
公开(公告)号:CN115809701A
公开(公告)日:2023-03-17
申请号:CN202211658446.4
申请日:2022-12-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/086 , G06N3/092 , G06Q20/40 , G06F16/901
Abstract: 本公开提出了一种用于风险交易捕捉的图特征搜索方法。该方法包括:基于交易数据构建图特征及其初始搜索空间;从该初始搜索空间中获取多个候选图特征,其中每个候选图特征包括信息聚合表示;利用强化学习策略来确定变异位置和变异值以获得特征反馈;基于该特征反馈来缩减该初始搜索空间以获得目标搜索空间;从该目标搜索空间中获取目标图特征;利用该目标图特征来捕捉该交易数据中的风险交易。
-
公开(公告)号:CN115293247A
公开(公告)日:2022-11-04
申请号:CN202210859441.1
申请日:2022-07-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种建立风险识别模型的方法、风险识别的方法及对应装置。其中方法包括:获取利用用户在N个时刻的网络行为数据构建的N个时刻的异构网络图,所述节点中的部分节点被标注有是否存在预设类型风险的标签;利用所述N个时刻的异构网络图训练得到所述风险识别模型,其中所述风险识别模型包括图神经网络、脉冲神经网络、拼接网络和映射网络;所述训练目标包括:最小化所述风险识别模型对节点的风险识别结果与标签之间的差异。本申请将图神经网络与脉冲神经网络结合,提出了基于脉冲神经网络的风险识别模型来捕捉动态图数据的结构和时序信息,以使得基于用户网络行为数据的风险识别更加准确。
-
-
-
-
-
-
-
-