-
公开(公告)号：CN110796522B
公开(公告)日：2022-05-13
申请号：CN201911055514.6
申请日：2019-10-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/06
Abstract: 本说明书实施例提供商户匹配POI的方法、认证的方法以及各自的装置，其中所述商户匹配POI的方法包括：获取商户的交易定位数据；利用所述交易定位数据，计算所述商户的定位点对应的Geohash；获取与所述定位点对应的Geohash相邻的Geohash；根据地理信息系统中的POI点对应的Geohash，以所述定位点对应的Geohash及与所述定位点对应的Geohash相邻的Geohash作为搜索范围，从地理信息系统中，搜索出与所述定位点匹配的POI点。
-
公开(公告)号：CN111325557B
公开(公告)日：2022-04-29
申请号：CN202010116824.0
申请日：2020-02-25
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商户风险的检测方法、装置及设备，所述方法包括：接收业务发起方发送的对目标商户的风险检测请求，所述风险检测请求中包括预定权益值，所述预定权益值用于获取对所述目标商户进行风险检测的权限；如果所述预定权益值不小于预定阈值，则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据，并获取所述目标商户对应的风险特征数据；将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中，确定所述目标商户是否存在风险，并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
-
公开(公告)号：CN111027981B
公开(公告)日：2021-04-27
申请号：CN201911284459.8
申请日：2019-12-13
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多方联合训练针对IoT机具的风险评估模型的方法，其中多方包括机具端计算节点、商户端计算节点和支付平台计算节点，分别存储多个机具的机具隐私数据、绑定多个机具的多个商户的商户隐私数据，以及与多个商户相关的支付隐私数据，并且各自维护风险评估模型中的部分参数。此外，支付平台计算节点还存储机具风险标签。在该方法中，机具端计算节点和商户端计算节点基于各自存储的隐私数据和维护的部分参数，确定出中间计算结果，支付平台计算节点基于其存储的隐私数据、维护的部分参数和标签计算出中间计算结果。然后，三方基于安全多方计算MPC技术，提供各自计算出的中间计算结果，确定训练损失，再各自调整维护的部分模型参数。
-
公开(公告)号：CN111062044B
公开(公告)日：2021-03-23
申请号：CN201911252312.0
申请日：2019-12-09
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基于区块链的模型联合训练方法及装置，在训练方法中，区块链的当前层节点接收对应的上层节点发送的第一训练结果。该第一训练结果至少基于第一类型结果确定，第一类型结果由上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到。当前层节点基于其链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练，得到第二训练结果。对第一训练结果和第二训练结果进行融合，得到融合结果。判断当前层节点是否在最后一个层级。若当前层节点在最后一个层级，则在区块链上广播所述融合结果，以使得多个节点基于融合结果对各自在链上维护的多种模型中的目标模型进行更新。
-
公开(公告)号：CN111523832B
公开(公告)日：2021-02-26
申请号：CN202010632364.7
申请日：2020-07-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开一种商户风险巡检方法、装置、电子设备及存储介质，获取线上商户的多模态风险数据；针对多模态风险数据中每组模态风险数据，根据该组模态风险数据的时序信息对该组模态风险数据进行双向匹配融合，得到该组模态风险数据对应的第一双向匹配融合序列和第二双向匹配融合序列；将多模态风险数据对应得到的第一双向匹配融合序列和第二双向匹配融合序列进行聚合，得到风险特征向量；根据风险特征向量预测线上商户是否存在非法平台风险。
-
Patent Agency Ranking
公开(公告)号：CN112215238A
公开(公告)日：2021-01-12
申请号：CN202011182994.5
申请日：2020-10-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种通用特征提取模型构建方法、系统及装置。该方法包括：服务端确定所有原始数据中所包含的全部特征类型；针对所获取的全部特征类型构建去噪模型；服务端将所确定的全部特征类型、以及去噪模型下发到每个终端；每个终端根据全部特征类型，确定本地原始数据的缺失特征类型，并基于缺失值填充算法对本地原始数据进行填充，将每条原始数据扩展为包含全部特征类型特征值的标准数据；每个终端对标准数据进行加噪处理，得到训练样本集，训练样本集中每条训练样本以加噪后的标准数据为特征值，以加噪前的标准数据为标签值；服务端与系统中一个或多个终端联合训练去噪模型，利用训练后的去噪模型隐藏层信息构建通用特征提取模型。
-
公开(公告)号：CN111553488A
公开(公告)日：2020-08-18
申请号：CN202010661868.1
申请日：2020-07-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种针对用户行为的风险识别模型训练方法及系统。所述方法包括：循环执行以下步骤，直到满足循环停止条件：服务端将本地的第一类风险识别模型的第一类模型参数集分别下发到至少两个用户终端；每个用户终端执行：基于所接收到的第一类模型参数集配置本地的第二类风险识别模型；获取本地的行为模式特征；将本地的行为模式特征输入到本地的第二类风险识别模型，以便根据对应的风险标签训练本地的第二类风险识别模型；以减小本地的第二类风险识别模型的训练损失为目标，更新本地第二类风险识别模型；将本地的第二类风险识别模型的第二类模型参数集上传给服务端；服务端根据接收到的各第二类模型参数集，重新确定第一类模型参数集。
-
公开(公告)号：CN111325557A
公开(公告)日：2020-06-23
申请号：CN202010116824.0
申请日：2020-02-25
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商户风险的检测方法、装置及设备，所述方法包括：接收业务发起方发送的对目标商户的风险检测请求，所述风险检测请求中包括预定权益值，所述预定权益值用于获取对所述目标商户进行风险检测的权限；如果所述预定权益值不小于预定阈值，则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据，并获取所述目标商户对应的风险特征数据；将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中，确定所述目标商户是否存在风险，并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
-
公开(公告)号：CN111310784A
公开(公告)日：2020-06-19
申请号：CN202010035782.8
申请日：2020-01-14
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公开了一种资源数据的处理方法及装置，用以解决现有技术中数据聚类效率低以及风险管理效率低的问题。所述方法包括：基于多个资源数据的分割位置，确定所述多个资源数据对应的至少一个资源分割值。利用各所述资源分割值对所述多个资源数据进行聚类处理，得到多个资源聚类组。根据预设的资源评估指标，从所述多个资源聚类组中确定所述资源评估指标对应的目标资源聚类组。所述资源评估指标包含对所述资源数据进行风险评估所使用的风险评估参数。根据所述目标资源聚类组对应的目标资源分割值，确定所述资源数据对应的资源评估阈值。所述资源评估阈值用于对所述资源数据进行风险评估。
-
公开(公告)号：CN111275095A
公开(公告)日：2020-06-12
申请号：CN202010054470.1
申请日：2020-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书一个或多个实施例提供了一种对象类型识别方法及装置，其中，该方法包括：获取目标对象的初始类型识别结果，该初始类型识别结果包括：目标对象在各预设类型下的第一识别结果，该第一识别结果是基于目标对象的历史行为数据得到的。基于该第一识别结果和预先得到的对象类型识别模型，确定目标对象在各预设类型下的第二识别结果；该对象类型识别模型是基于各预设类型对应的抽样前样本集、以及在抽样后样本集中抽到非预设类型样本的概率所得到的，抽样后样本集为利用预设上下抽样方法对抽样前样本集进行上下抽样得到的，抽样后样本集中预设类型样本的浓度为预设的标准浓度。根据各预设类型对应的第二识别结果，确定目标对象的所属类型。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.035 seconds)
