-
公开(公告)号：CN118195619A
公开(公告)日：2024-06-14
申请号：CN202410309170.1
申请日：2024-03-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06N3/0475 , G06N3/045 , G06N3/08
Abstract: 本说明书公开了一种风控模型训练的方法、装置、存储介质、设备，基于生成对抗网络构建待训练风控模型，获取历史交易事件与每个历史交易事件所对应的历史风控策略，从各历史交易事件中选择第一历史交易事件，将所述第一历史交易事件输入所述生成器，得到所述生成器输出的预测风控策略，将所述第一历史交易事件与所述预测风控策略输入所述判别器，使所述判别器判别所述预测风控策略是否为所述生成器所生成的风控策略并得到判别结果，根据判别结果对所述待训练风控模型中的生成器与判别器进行训练，利用生成—对抗的思想训练风控模型，训练完成的风控模型可根据输入的交易事件得到对该交易事件的风控策略，为交易事件管控提供实时高效的解决方案。
-
公开(公告)号：CN118069248A
公开(公告)日：2024-05-24
申请号：CN202410161353.3
申请日：2024-02-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种业务执行方法、装置、设备及可读存储介质，以获取的各业务对象为节点确定目标拓扑图，获取各业务对象的行为序列，针对目标拓扑图中每个节点，根据该节点的行为序列和该节点的邻居节点的行为序列，确定该节点与该节点的邻居节点之间的关系权重，根据该节点的邻居节点的特征、该节点的邻居节点的行为序列和关系权重，对该节点的特征进行更新，得到该节点的目标特征，根据目标拓扑图中各节点的目标特征执行业务。可见，通过在邻居关系、传播特征提取和节点特征更新进行行为序列和图数据的信息交互和融合，有效地整合了行为序列的特征和图数据的特征，从而提高下游业务的执行效果和数据的隐私安全性。
-
公开(公告)号：CN117932615A
公开(公告)日：2024-04-26
申请号：CN202410077208.7
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种风险检测方法、装置、存储介质以及电子设备，通过对获取到的明文数据进行脱敏处理，确定出对应的脱敏后数据。然后将脱敏后数据输入到预先经过训练的数据重构模型中，以使得数据重构模型能够根据脱敏后数据，生成出针对明文数据的重构数据。进而根据明文数据和脱敏后数据，以及明文数据对应的重构数据，确定通过脱敏后数据得到明文数据的最小错误率。最后根据最小错误率，对明文数据的脱敏后数据进行风险检测。通过本说明书中的方法能够精准的识别出对原明文数据所对应的脱敏数据是否具有泄露明文数据的风险，有效提高了原明文数据在使用和传输时的安全性，极大程度上维护了原明文数据所属用户或团体的信息安全和数据隐私。
-
公开(公告)号：CN117787418A
公开(公告)日：2024-03-29
申请号：CN202311870367.4
申请日：2023-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N5/022 , G06F16/332 , G06F16/338 , G06F16/33 , G06Q20/40
Abstract: 本说明书公开了一种风险识别方法、装置、存储介质及电子设备。获取目标用户在目标业务下的业务数据，并确定对所述目标用户所需识别的目标风险类型；根据所述目标风险类型，在预先设置的风险规则中，确定用于识别所述目标风险类型的风险规则，作为目标规则；在所述业务数据中筛选与所述目标规则匹配的数据，作为可用数据；根据所述目标风险类型、所述目标规则、所述可用数据构建提示信息；将所述提示信息输入预先训练的生成式模型，得到所述生成式模型输出的对所述目标用户的风险描述。
-
公开(公告)号：CN117454247A
公开(公告)日：2024-01-26
申请号：CN202311412908.9
申请日：2023-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种模型的训练方法、装置、存储介质及电子设备，获取第一样本以及第一样本对应的交易意图类别在预设的每个分类等级下所属的第一标注类别。将第一样本分别输入多个编码层，得到各第一编码结果。按照分类等级从上到下的顺序，依次针对每个分类等级，将该分类等级的所有上级分类等级对应的编码层的编码结果，以及该分类等级对应的编码层的编码结果，输入该分类等级对应的第一解码层，得到该分类等级对应的第一解码层的解码结果，从而可基于各第一解码层的解码结果，得到模型输出的第一样本在预设的每个分类等级下所属的第一预测类别，并基于第一预测类别以及第一标注类别，训练模型。该方法提升了模型预测的交易意图类别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117271883A
公开(公告)日：2023-12-22
申请号：CN202311008807.5
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535
Abstract: 本说明书一个或多个实施例公开了一种对象推荐模型优化的方法、装置及设备。所述方法包括：根据目标用户的用户特征，得到所述目标用户被对象推荐模型推荐的包括至少一个推荐节点的对象序列，每个所述推荐节点对应一个向所述目标用户推荐的推荐对象；根据所述用户特征和所述推荐对象的对象特征，对所述对象序列进行资源损失状况和用户体验质量的评估处理，得到所述对象序列对应的累积奖励；基于所述对象序列对应的累积奖励，调整所述对象推荐模型的参数，直至调整后的所述对象推荐模型对所述目标用户推荐的对象序列对应的累积奖励满足预设条件，得到调整后的对象推荐模型。
-
公开(公告)号：CN117251730A
公开(公告)日：2023-12-19
申请号：CN202311176867.8
申请日：2023-09-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2131 , G06F18/241 , G06N3/0455 , G06Q40/00
Abstract: 本说明书公开了一种风控模型的预训练方法、装置、存储介质及电子设备，在对风控模型进行预训练时，可获取风控样本，将风控样本分别输入待训练的风控模型的各编码端，得到各编码端输出的各编码结果。根据各编码结果和预训练任务，确定各编码端对应的损失，根据确定出的各编码端对应的损失，确定各编码端的损失权重。根据各编码端的损失权重，对各编码端对应的损失进行加权，得到最终损失，根据最终损失，对待训练的风控模型中的各编码端进行训练。在对风控模型进行多任务预训练时，根据每个任务对应的编码端的损失，确定各编码端损失的权重，从而得到最终损失，平衡了训练风控模型时各训练任务的损失收敛速度，使得各训练任务可在相同时刻收敛。
-
公开(公告)号：CN116957329A
公开(公告)日：2023-10-27
申请号：CN202310868025.2
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/22 , G06F16/36
Abstract: 本说明书公开了一种风险识别方法、装置、设备及可读存储介质，通过待识别业务对象的特征和各候选业务对象的特征之间的相似度，从各候选业务对象中确定待识别业务对象的各关联业务对象，进而以待识别业务对象和各关联对象分别为节点，以待识别业务对象和各关联对象之间的业务关系为边，构建目标拓扑图，将目标拓扑图和各节点的特征作为输入，通过风险识别模型得到待识别业务对象的预测风险类型。可见，通过特征相似度，将对识别出待识别业务对象的预测风险类型更为重要的关联对象筛选出来构建目标拓扑图，不仅提高了风险识别的准确度和隐私数据的安全性，还降低风险识别模型的输入的维度，减少了计算资源的耗费。
-
公开(公告)号：CN116307697A
公开(公告)日：2023-06-23
申请号：CN202310119410.7
申请日：2023-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06Q20/40 , G06Q10/10
Abstract: 本说明书公开了一种业务风控方法、装置、存储介质及电子设备，本说明书实施例中在接收到针对目标业务场景的策略调整请求后，基于策略调整请求，确定目标业务场景下所使用的各候选风控策略和风控目标。以采用选取出的风控策略对目标业务场景下的业务进行风控时满足风控目标为约束条件，基于历史上采用各候选风控策略对目标业务场景下的业务进行风控时所统计出的风控记录，从各候选风控策略中选取出目标策略，部署目标策略，并在接收到针对目标业务场景的业务请求时，通过目标策略，执行业务风控。在此方法中，通过自动化选取风控策略的方法来降低人力成本且提高风控策略的配置效率，以历史上的风控记录来保证选择出的风控策略符合实际风控需求。
-
公开(公告)号：CN116306991A
公开(公告)日：2023-06-23
申请号：CN202310260591.5
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例提供了多种基于联邦学习的数据处理方法、装置及设备，其中一种方法包括：联邦学习客户端基于预先训练的目标模型中的编码器对目标数据的编码结果，确定目标数据对应的编码检测结果，再将目标数据对应的编码检测结果发送给联邦学习服务端，并接收联邦学习服务端发送的目标数据对应的异常检测结果，目标数据对应的异常检测结果为联邦学习服务端基于编码检测结果，以及由预先训练的目标模型中的检测子模型和联邦学习客户端发送的目标数据对应的编码检测结果确定的目标数据与每个预设数据分布的匹配概率，确定的检测结果，联邦学习客户端基于目标数据对应的异常检测结果，确定目标数据是否存在异常。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.053 seconds)
