-
公开(公告)号：CN111310196B
公开(公告)日：2020-12-04
申请号：CN202010384152.1
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种风险识别方法及装置和电子设备，应用于终端设备的可信执行环境。所述可信执行环境中存储有历史业务请求和风险规则。该方法包括：响应于业务客户端发起的待发送的业务请求，获取业务请求包含的用户账户和终端标识；查询历史业务请求中同样具有该用户账户和设备标识的历史目标业务请求，并对历史目标业务请求进行统计分析，得到风险指标的数值；判断风险指标的数值是否达到风险规则中设定的阈值；删除所述待发送的业务请求中携带的设备标识，并添加判断结果，由所述业务客户端将所述业务请求发送给业务服务端；以使所述业务服务端基于该判断结果执行该业务请求。由于设备标识不对外发送从而可以保护用户的个人信息。
-
公开(公告)号：CN111932041A
公开(公告)日：2020-11-13
申请号：CN202011069728.1
申请日：2020-10-09
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基于风险识别的模型训练方法、装置及电子设备，具体方案包括：获取无样本标签的第一数据集，第一数据集包含预期具有第一类样本标签的样本数据，在该预期具有第一类样本标签的样本数据中掺杂有具有第二类样本标签的样本数据；对第一数据集预配置第一类样本标签，利用该第一数据集运行配置有第一模型参数的目标模型，生成预测值。利用损失函数判断预测值相比于第一数据集所反映的目标值的损失量，估算损失量对应的第一数据集的统计中心估值，将统计中心估值转换成统计中心期望值，利用损失量和损失量对应的统计中心期望值调整第一模型参数，直到损失量达到预设条件。
-
公开(公告)号：CN111340509B
公开(公告)日：2020-08-21
申请号：CN202010440520.X
申请日：2020-05-22
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虚假交易识别方法、装置及电子设备。所述方法包括：获取预定平台所对应的原始交易图数据，根据目标节点从所述原始交易图数据中提取出子图数据；将所述子图数据作为输入，利用预定的多个连续的神经网络结构执行信息聚合操作和特征向量提取操作得到目标特征向量；其中，所述信息聚合操作用于根据各节点之间的相关性确定注意力矩阵，并根据所述注意力矩阵对目标节点的邻域节点信息进行聚合，所述各节点之间的相关性包括根据各节点信息所确定的第一相关性以及根据边信息所确定的第二相关性；将所述目标特征向量输入到分类器中，以便根据所述分类器的输出结果判断所述待识别交易是否为虚假交易。
-
公开(公告)号：CN111310196A
公开(公告)日：2020-06-19
申请号：CN202010384152.1
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种风险识别方法及装置和电子设备，应用于终端设备的可信执行环境。所述可信执行环境中存储有历史业务请求和风险规则。该方法包括：响应于业务客户端发起的待发送的业务请求，获取业务请求包含的用户账户和终端标识；查询历史业务请求中同样具有该用户账户和设备标识的历史目标业务请求，并对历史目标业务请求进行统计分析，得到风险指标的数值；判断风险指标的数值是否达到风险规则中设定的阈值；删除所述待发送的业务请求中携带的设备标识，并添加判断结果，由所述业务客户端将所述业务请求发送给业务服务端；以使所述业务服务端基于该判断结果执行该业务请求。由于设备标识不对外发送从而可以保护用户的个人信息。
-
公开(公告)号：CN119357252A
公开(公告)日：2025-01-24
申请号：CN202411381094.1
申请日：2024-09-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/23 , G06F16/901 , G06F18/22 , G06F18/214 , G06F18/213 , G06F18/2431 , G06N3/0455 , G06N3/042 , G06N3/049 , G06N3/084 , G06Q10/0635 , G06F123/02
Abstract: 本说明书公开了一种时序图数据风控方法、装置、介质及设备，响应于用户的风控请求，确定当前时刻的时序图数据以及时序图数据中的待风控用户的目标节点，时序图数据的节点是基于用户数据确定的，边是基于用户之间关系确定的，且节点与边携带有数据更新的时间信息。从时序图数据中确定目标节点的子图。将携带时间信息的子图输入训练完成的风控模型，通过风控模型中的时间编码器，得到时间特征，通过风控模型中的图数据编码器，得到图数据特征。将时间特征与图数据特征输入风控模型中的解码器，得到目标节点的风险分类结果，以及目标节点与时序图数据中各节点的连接关系的预测结果。根据风险分类结果以及预测结果，对待风控用户进行风控。
-
Patent Agency Ranking
公开(公告)号：CN119005331A
公开(公告)日：2024-11-22
申请号：CN202411034282.7
申请日：2024-07-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N20/00 , G06F16/332
Abstract: 本说明书公开了一种文本自检模型的微调方法、装置、存储介质、设备，获取原始文本自检模型中指定网络层的初始参数，针对所获取的每个指定网络层，对该指定网络层的初始参数进行降维，根据降维后的各指定网络层与所述原始文本自检模型，得到降维文本自检模型，将样本答复文本输入所述降维文本自检模型，得到所述降维文本自检模型输出的安全性评价，根据所述安全性评价与所述样本答复文本所对应的安全标签的差异，对所述降维文本自检模型进行调整，本方法可以降低文本自检模型微调过程对存储空间的需求，并降低进行微调时计算过程中的模型复杂度。
-
公开(公告)号：CN118708629A
公开(公告)日：2024-09-27
申请号：CN202410711816.9
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/906 , G06F16/9535 , G06Q30/0601 , G06Q40/04 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本说明书实施例公开了一种信息提取方法、装置及电子设备。所述信息提取方法包括：获取由节点和边所构成的目标异质图；将所述目标异质图输入用于提取风险信息的信息提取模型的分解模块，得到包含所述目标异质图的中心节点和目标节点的多个子图，同一所述子图的目标节点的类型相同，所述分解模块用于对输入的异质图进行分解处理；将各个所述子图分别输入所述信息提取模型中与所述子图对应的表征模块，得到各个所述子图的中心节点的属性表征；使用所述信息提取模型的融合模块对各个所述子图的中心节点的属性表征进行融合处理，得到所述目标异质图的中心节点的属性表征，以基于所述目标异质图的中心节点的属性表征执行相应的业务处理。
-
公开(公告)号：CN117933343A
公开(公告)日：2024-04-26
申请号：CN202410077897.1
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种图数据处理以及模型训练的方法及装置，其中，图数据处理方法获取目标图数据；所述目标图数据中包括多个用户节点和各个用户节点各自对应的特征数据；任一用户节点对应的特征数据包括该用户节点表示的用户的用户特征；生成所述目标图数据对应的目标序列；所述目标序列包括目标数目个序列元素，所述序列元素包括所述多个节点的部分特征数据；将所述目标序列输入至目标图神经网络，利用目标脉冲神经网络对所述目标图神经网络输出的结果进行二值化处理，得到目标脉冲数据。
-
公开(公告)号：CN117313824A
公开(公告)日：2023-12-29
申请号：CN202311220864.X
申请日：2023-09-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/09 , G06N3/082 , G06N3/0495 , G06N3/0499 , G06N3/042 , G06Q20/38 , G06Q20/40
Abstract: 本说明书实施例公开了一种数据资产的融合方法、装置及设备，该方法包括：获取来自一种或多种不同数据源的数据资产构成的数据资产集，数据资产集中包括携带有标签信息的数据资产构成的第一数据资产子集；基于第一数据资产子集中携带有标签信息的数据资产和预设的损失函数对目标模型进行有监督的模型训练，得到训练后的目标模型，损失函数是由不变风险最小化损失函数、分布鲁棒优化损失函数和集成蒸馏学习损失函数中的一项或多项构建的损失函数；将数据资产集中的数据资产分别输入到训练后的目标模型中，得到相应的预测结果；基于得到的预测结果确定数据资产集对应的融合数据资产，并将融合数据资产提供给其它场景进行数据应用。
-
公开(公告)号：CN116933131A
公开(公告)日：2023-10-24
申请号：CN202310870923.1
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/24 , G06F18/214 , G06N3/0499 , G06N3/08 , G06Q20/40
Abstract: 本说明书实施例公开了一种模型的处理方法、装置及设备，该方法包括：获取应用于元学习的样本数据，样本数据中包括对应事件的特征、样本标签信息、对应事件所属的业务场景和支撑集，支撑集中包括多个不同的事件类别，以及每个事件类别对应的支撑样本数据；基于样本数据、支撑集中不同事件类别的支撑样本数据对应的注意力权重和支撑集中不同事件类别包含的支撑样本数据的数量，确定支撑集中不同事件类别对应的类别中心；获取该样本数据对应的查询集，查询集中包括基于多个不同的事件类别生成的新事件类别和每个新事件类别对应的查询样本数据；基于确定的类别中心、查询集和样本数据对风险识别模型进行模型训练。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.042 seconds)
