-
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。
-
公开(公告)号：CN114091669A
公开(公告)日：2022-02-25
申请号：CN202111397085.8
申请日：2021-11-23
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种基于事件的图神经网络训练方法及装置。方法包括：确定目标时段内发生的目标事件，针对每个目标事件，确定所述目标事件的事发时间以及参与所述目标事件的涉事对象；针对参与所述目标事件的每个涉事对象，基于所述目标时段内发生在所述事发时间之前的目标事件，生成所述涉事对象在所述事发时间的事件图；基于涉事对象、事发时间以及所述涉事对象在所述事发时间的事件图，确定所述目标事件下所述涉事对象的事件三元组，得到各个目标事件下涉事对象的事件三元组；采用各个目标事件下涉事对象的事件三元组训练图神经网络。
-
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：CN117743863A
公开(公告)日：2024-03-22
申请号：CN202311715865.1
申请日：2023-12-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/22 , G06F18/2433 , G06F18/21 , G06F18/213
Abstract: 本说明书公开了一种异常图挖掘方法、装置、存储介质及电子设备。在本说明书提供的异常图挖掘方法中，获取样本业务图，将样本业务图中存在异常的节点确定为黑节点，不存在异常的节点确定为白节点；在样本业务图中确定出以黑节点为中心节点的黑样本子图，以白节点为中心节点的白样本子图；针对每个图模式，根据与该图模式同构的黑样本子图的数量，确定该图模式的黑支持度；根据该图模式中的节点特征，与白样本子图中的节点特征，对该图模式与白样本子图进行匹配，得到与该图模式匹配的白样本子图的数量，并根据与该图模式匹配的白样本子图的数量，确定该图模式的白支持度；根据该图模式的黑支持度与白支持度，判断该图模式是否为异常图模式。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.033 seconds)
