-
公开(公告)号：CN114723269B
公开(公告)日：2024-11-12
申请号：CN202210334912.7
申请日：2022-03-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/24 , G06F18/21
Abstract: 本说明书实施例公开了一种事件的风险防控方法、装置及设备，该方法包括：获取目标事件的待处理的事件数据，然后，基于所述事件数据和所述目标事件对应的第一风控模型，确定所述第一风控模型对应的风险检测结果，所述第一风控模型是由所述目标事件对应的风控策略构建的模型，最终，可以基于所述第一风控模型对应的风险检测结果确定所述事件数据对应的初始风险信息，并将所述事件数据对应的初始风险信息和所述事件数据输入到所述目标事件对应的第二风控模型中，得到所述事件数据对应的风险信息，所述第二风控模型是通过所述目标事件对应的事件数据样本进行模型训练得到的模型。
-
公开(公告)号：CN115688130B
公开(公告)日：2023-10-20
申请号：CN202211267903.7
申请日：2022-10-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60 , G06F21/55 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标业务的业务数据，并基于第一风险检测模型和所述业务数据，确定所述业务数据的风险类型，所述第一风险检测模型为基于深度学习算法构建的用于确定业务数据的风险类型的模型；基于扰动数据和所述业务数据的风险类型，对所述业务数据进行攻击，并在对所述业务数据攻击成功的情况下，获取对所述业务数据攻击成功所使用的扰动数据的目标数据量；在所述目标数据量大于预设数据量阈值的情况下，基于所述业务数据的风险类型，确定执行所述目标业务是否存在风险。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN116010792A
公开(公告)日：2023-04-25
申请号：CN202211737623.8
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/21 , G06N20/00 , G06Q10/0635
Abstract: 本说明书实施例提供了一种测试模型鲁棒性的方法和装置，该方法包括：获取多个第一样本，第一样本各自包括依序的多个用户行为，用户行为包括若干行为属性；对多个第一样本分别进行第一处理，得到多个第二样本，其中，对于多个第一样本中包括的第三样本的第一处理包括：从第三样本包括的用户行为的行为属性中，确认出至少一个第一属性；将第一属性设置为第一默认值，第一默认值用于指示第一属性的值缺失，得到第四样本，多个第二样本中包括第四样本；基于多个第一样本，确定第一风险识别模型的第一正确识别率；基于多个第二样本，确定第一风险识别模型的第二正确识别率；根据第一正确识别率和第二正确识别率，确定针对所述第一风险识别模型的第一指标，所述第一指标用于指示所述第一风险识别模型的鲁棒性。
-
公开(公告)号：CN115688130A
公开(公告)日：2023-02-03
申请号：CN202211267903.7
申请日：2022-10-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60 , G06F21/55 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标业务的业务数据，并基于第一风险检测模型和所述业务数据，确定所述业务数据的风险类型，所述第一风险检测模型为基于深度学习算法构建的用于确定业务数据的风险类型的模型；基于扰动数据和所述业务数据的风险类型，对所述业务数据进行攻击，并在对所述业务数据攻击成功的情况下，获取对所述业务数据攻击成功所使用的扰动数据的目标数据量；在所述目标数据量大于预设数据量阈值的情况下，基于所述业务数据的风险类型，确定执行所述目标业务是否存在风险。
-
公开(公告)号：CN115618237A
公开(公告)日：2023-01-17
申请号：CN202211590716.2
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/24
Abstract: 本说明书提供了一种模型训练的方法、装置、存储介质及电子设备。在本说明书提供的模型训练方法中，获取训练样本、样本标签以及打标环境信息；将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。采用本说明书提供的模型训练方法对模型进行有监督训练时，能够根据样本标签的可信程度对模型的输出结果进行修正，保证模型的训练效果，同时使标签的利用率最大化。
-
公开(公告)号：CN113992429A
公开(公告)日：2022-01-28
申请号：CN202111580928.8
申请日：2021-12-22
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事件的处理方法、装置及设备，该方法包括：获取目标事件的事件处理请求，其中，该事件处理请求中包括目标事件的事件信息，如果该事件信息满足预设的第一条件，则从预设的知识库中获取目标事件对应的风险防控规则，并将该事件信息分别与获取的目标事件对应的风险防控规则进行匹配，得到与该事件信息相匹配的第一规则，然后，可以基于与该事件信息相匹配的第一规则，确定该事件信息对应的预测风险信息，将该事件信息对应的预测风险信息和该事件信息输入到目标事件对应的风险防控模型中，得到该事件信息对应的风险信息，最终，可以基于该事件信息对应的风险信息对目标事件进行处理。
-
公开(公告)号：CN113313404A
公开(公告)日：2021-08-27
申请号：CN202110662087.9
申请日：2021-06-15
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生成对抗样本的方法和装置，其中方法包括，首先获取目标风险样本的原始样本特征以及风险检测模型。针对该目标风险样本，在预定特征空间中，确定预定数目T个基准方向；依次按照T个基准方向中的不同基准方向，以预设的第一步长，执行若干轮特征变换，直到得到第一变换特征，其中风险检测模型针对该第一变换特征的预测值落入非风险样本对应的预定区间。然后，针对该第一变换特征，沿最后一次特征变换方向的逆向，以依次增大的回退幅度执行若干次回退操作，直到得到第二变换特征，该风险检测模型针对第二变换特征的预测值达到前述预定区间的边界。于是，可以根据该第二变换特征，形成目标风险样本对应的对抗样本。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.046 seconds)
