公开(公告)号：CN118114775A

公开(公告)日：2024-05-31

申请号：CN202410170905.7

申请日：2024-02-06

Applicant: 之江实验室

Inventor： 黄勇 ,  杨耀 ,  韩乔

IPC: G06N5/045 ,  G06N5/04 ,  G06N5/025 ,  G06N3/0985 ,  G06F18/2113 ,  G06F18/2433 ,  G06Q20/40

Abstract: 本申请涉及一种特征预测方法、特征预测装置、电子装置和计算机设备，其中，该特征预测方法包括：确定初始输入特征集，构建第一深度神经网络模型；利用可解释性算法从初始输入特征集中筛选目标输入特征；基于目标输入特征，结合预设的自动机器学习算法构建目标业务场景下的第二深度神经网络模型，并存储第二深度神经网络模型；对第二深度神经网络模型进行部署，利用已部署的第二深度神经网络模型，基于预测目标对目标业务场景下的业务数据所表征的业务特征进行预测，生成目标业务场景下的预测结果。其能够在模型构建阶段解除对专家知识和依赖，从而提高模型构建的稳定性，基于模型可解释性对输入特征进行筛选，提高模型在实际应用中的可解释性。

公开(公告)号：CN117974158A

公开(公告)日：2024-05-03

申请号：CN202311849432.5

申请日：2023-12-28

Applicant: 之江实验室

Inventor： 黄勇 ,  杨耀 ,  翟毅腾

IPC: G06Q30/018 ,  G06Q40/08 ,  G06F18/23 ,  G06F18/22 ,  G06F18/214 ,  G06N3/08

Abstract: 本申请涉及一种基于深度学习的反欺诈人群放大方法、装置和介质，其中，基于深度学习的反欺诈人群放大方法包括：基于样本和对应的标签对深度学习模型进行训练，获得训练好的深度学习模型；基于训练好的深度学习模型的中间层向量，获得各用户的中间层用户特征向量；将目标理赔事件或待预测用户信息输入至训练好的深度学习模型中，获得各待预测用户的中间层用户特征向量；基于各所述用户的中间层用户特征向量以及各所述待预测用户的中间层用户特征向量，采用聚类算法，确定与所述历史理赔事件中欺诈人群的相似人群以及确定与所述历史理赔事件中非欺诈人群的相似人群。解决了在金融保险人群反欺诈场景难以及时发现欺诈群体的问题，提高了反欺诈效果。

公开(公告)号：CN117853212A

公开(公告)日：2024-04-09

申请号：CN202410255763.4

申请日：2024-03-06

Applicant: 之江实验室

Inventor： 李文国 ,  杨佳熹 ,  杨耀

IPC: G06Q40/00 ,  G06Q40/03 ,  G06Q30/0601 ,  G06N20/20 ,  G06N5/045

Abstract: 本发明公开了一种基于知识迁移和自监督学习的纵向联邦金融风控方法及装置，所述方法首先分别在金融机构和各互联网电商各自本地数据集上进行预训练，其中对有标签的金融机构，进行有监督学习，得到本地预训练模型表示层和推理层，对无标签的互联网电商，进行自监督学习，得到本地预训练模型表示层；然后在重叠数据集上建立纵向联邦风控模型，并利用预训练阶段的本地预训练模型，辅助纵向联邦模型训练，提升纵向联邦模型性能。本发明通过纵向联邦学习，在保护各方数据安全和数据隐私的前提下，实现了用户特征维度的扩展；通过知识迁移和自监督学习，实现了非重叠数据的利用，大大提高了纵向联邦金融风控模型的预测准确度。

公开(公告)号：CN117036048A

公开(公告)日：2023-11-10

申请号：CN202310513376.1

申请日：2023-05-06

Applicant: 之江实验室

Inventor： 张红文 ,  杨耀 ,  那崇宁

IPC: G06Q40/08 ,  G06Q40/04 ,  G06Q40/03

Abstract: 本发明公开了一种基于隐私求交集的保险反团伙欺诈方法与系统、电子设备，包括：从作为数据提供方的各公司的保险理赔记录中抽取涉及双人理赔案件的涉事人员信息，分别构建双人理赔案件数据库、责任方信息子数据库以及索赔方信息子数据库；对各双人理赔案件数据库、责任方信息子数据库以及索赔方信息子数据库进行多方位隐私求交，得到第一隐私求交结果；作为数据购买方的各公司和/或作为数据提供方的各公司分别将第一隐私求交结果与本公司的参保客户名单进行隐私求交，得到第二隐私求交结果，将第二隐私求交结果作为各数据购买方和/或各数据提供方对理赔案件中的团伙欺诈进行审核甄别的依据。

公开(公告)号：CN117010484A

公开(公告)日：2023-11-07

申请号：CN202311277193.0

申请日：2023-10-07

Applicant: 之江实验室

Inventor： 张璐 ,  杨耀

IPC: G06N3/098 ,  G06N3/0464 ,  G06F18/24

Abstract: 本发明涉及一种基于注意力机制的个性化联邦学习泛化方法、设备、应用，包括：初始化全局模型的共享参数并发送给预先建立连接的一个客户端，接收各个客户端经过本地训练后的共享参数以及个性化参数，基于各个客户端的共享参数更新服务端的共享参数；将已有客户端的个性化参数以及服务端的共享参数发送到未经训练的新客户端，在新客户端利用基于注意力机制的超网络生成个性化参数。新客户端采用本地数据进行训练以更新超网络参数，而非本地模型参数。即共享参数部分不变，通过超网络学习生成新客户端的个性化参数。本发明在构造新客户端的超网络时，超网络同时参考各个模型的个性化参数，以引入客户端个性化参数的相关性信息，提升最终效果。

公开(公告)号：CN114677144A

公开(公告)日：2022-06-28

申请号：CN202210194308.9

申请日：2022-03-01

Applicant: 之江实验室

Inventor： 杨耀 ,  那崇宁

IPC: G06Q30/00 ,  G06Q40/08 ,  G06N20/00 ,  G06F16/29 ,  G08G1/01

Abstract: 本发明公开一种基于地理大数据的车险理赔欺诈风险识别方法及系统，基于车险事故地点、汽车维修点的地理位置，结合电子地图、交通监控摄像数据、移动通信信令数据等各数据，利用地理大数据和机器学习算法技术，挖掘高欺诈风险事故区域和关联欺诈团伙。本发明输出的结果可以提供给保险反欺诈业务判别人员做参考，也可输出至反欺诈规则系统或反欺诈模型作为因子特征来使用，提升车险反欺诈系统的召回率和准确率。