-
公开(公告)号：CN118277248A
公开(公告)日：2024-07-02
申请号：CN202410160421.4
申请日：2024-02-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种数据的风险检测方法、装置及设备，该方法包括：获取针对预设风险构建的第一提示信息和与所述第一提示信息对应的待检测的业务数据，所述第一提示信息中至少包括所述预设风险的检测任务信息和所述预设风险的检测规则的信息，将所述第一提示信息输入到代码生成大模型中，得到用于检测所述业务数据是否存在所述预设风险的风险检测代码，基于所述风险检测代码和所述业务数据，构建针对所述业务数据的一项或多项不同的风险检测逻辑，并基于每项所述风险检测逻辑和所述业务数据，确定每项所述风险检测逻辑对应的检测结果，基于每项所述风险检测逻辑对应的检测结果，确定所述业务数据是否存在所述预设风险的检测结果。
-
公开(公告)号：CN117313141A
公开(公告)日：2023-12-29
申请号：CN202311147658.0
申请日：2023-09-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种异常检测方法、装置、设备及可读存储介质，确定在异常检测时刻包含待检测对象的目标拓扑图，根据目标拓扑图中与待检测对象通过边连接的邻居节点、待检测对象以及待检测对象与邻居节点之间的边，确定待检测对象的目标特征，基于待检测对象的目标特征，确定待检测对象在异常检测时刻的异常检测结果。基于在异常检测时刻的目标拓扑图确定待检测对象的目标特征，利用随时间变化的邻居节点的信息，以及随时间变化的待检测对象与邻居节点之间的边的信息，汇总动态变化的图结构和时序信息，从而得到待检测对象在异常检测时刻的异常检测结果，从而基于异常检测结果判断待检测对象是否存在异常，保证了线上业务和隐私数据的安全性。
-
公开(公告)号：CN117113174A
公开(公告)日：2023-11-24
申请号：CN202311008790.3
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N20/00
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，获取样本数据，将样本数据输入待训练的机器学习模型，得到样本特征。针对每个样本特征，确定该样本特征的信息量，确定该样本特征与目标任务的相关性，根据各样本特征的信息量以及各样本特征与目标任务的相关性，确定各样本特征的评估值，根据各样本特征的评估值，对各样本特征进行选择，得到最终样本特征。根据最终样本特征，对待训练的机器学习模型进行训练。实现了对机器学习模型的样本特征的选择，使得选取到的样本特征与目标任务相关性高的同时包含的信息量大，减少训练时间，降低机器学习模型对硬件设备计算资源以及存储资源的要求，提高机器学习模型的性能。
-
公开(公告)号：CN116188023A
公开(公告)日：2023-05-30
申请号：CN202310202513.X
申请日：2023-02-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06F18/25 , G06N3/08 , G06N3/0464
Abstract: 在本说明书提供的风险识别模型训练的方法中，获取多模态数据的训练样本，确定所述训练样本的标注，通过风险识别模型的编码子网，将所述训练样本中各模态的数据分别转化为矩阵，得到各第一特征矩阵，根据各第一特征矩阵确定多通道的第二特征矩阵，将所述第二特征矩阵输入到该模型的三维卷积子网中进行特征融合，根据融合后得到特征融合矩阵，确定预测结果，并根据所述预测结果和所述训练样本的标注对该模型进行训练。上述方法可以看出，将不同模态的数据转化为矩阵后再进行融合，方便了多种模态数据的特征融合，融合后得到的特征融合矩阵并不单纯依赖其中任何一种模态的数据，而是一次性充分融合了各模态的数据，提高了数据融合的效果和效率。
-
公开(公告)号：CN115953248B
公开(公告)日：2023-05-16
申请号：CN202310220105.7
申请日：2023-03-01
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种基于沙普利可加性解释的风控方法、装置、电子设备及介质。方法包括：获取目标交易业务的原始样本集，并确定出属于强关联的特征组合。基于强关联的特征组合的有效值，构建第一类扰动样本集。基于沙普利可加性解释执行：分别对原始样本集和第一类扰动样本集中的特征进行采样，得到多个采样结果所对应的待解释特征集，第一类扰动样本集对应的至少一种采样结果包含有强关联的特征组合；以及基于每个待解释特征集的准基Shapley值，计算出每个采样得到的特征的SHAP值。根据SHAP值，从每个采样得到的特征中选取出对目标交易业务影响度达到预设标准的目标特征。对目标交易业务中符合目标特征的用户执行预设风控决策。
-
Patent Agency Ranking
公开(公告)号：CN115860749B
公开(公告)日：2023-05-16
申请号：CN202310111090.0
申请日：2023-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：接收针对目标账户的账户解限请求；获取用于解限目标账户的解限数据，基于解限数据确定目标账户是否处于账户白名单中或处于账户黑名单中，如果确定目标账户处于账户黑名单中，则拒绝对目标账户进行解限处理，如果确定目标账户处于账户白名单中，则获取并执行账户白名单对应的第一解限规则，以对目标账户进行解限处理；如果基于解限数据无法确定目标账户处于账户白名单或账户黑名单中，则针对解限数据中包含的不同类型的数据，分别通过预设数据处理规则进行处理，得到相应的解限辅助信息，以基于解限辅助信息对目标账户进行解限处理，以提高账户解限的效率和准确率。
-
公开(公告)号：CN115600155B
公开(公告)日：2023-05-12
申请号：CN202211399727.2
申请日：2022-11-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F16/28 , G06F16/906 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：获取目标用户执行目标业务时产生的目标数据，目标数据中包括结构化数据和/或非结构化数据，非结构化数据中包括文本数据、图像数据和时序数据中的一种或多种；将目标数据转换为标记序列，并根据目标数据中包含的数据内容和标记序列的对应关系，为标记序列中的每个标记信息设置相应的位置，根据目标数据中包含的数据类型的不同，为标记序列设置相应的数据分块信息；将标记序列、设置的相应位置和设置的相应数据分块信息输入到预设的编码模型中，得到标记序列中的每个标记信息对应的编码信息；基于标记序列中的每个标记信息对应的编码信息进行相应的业务处理。
-
公开(公告)号：CN116070916A
公开(公告)日：2023-05-05
申请号：CN202310229786.3
申请日：2023-03-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06N3/0464 , G06N3/0895 , G06N3/088
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，其中，该方法包括：获取待检测的目标数据，所述目标数据包括人机交互过程中生成的多个行为数据；基于预先训练的风险检测模型和所述目标数据，确定所述目标数据的风险类型以及目标事件组合，所述目标事件组合包含所述行为数据中具有预设关联关系的多个行为数据，所述风险检测模型为基于历史数据和所述预设关联关系对应的损失函数，对由预设深度学习算法构建的模型进行训练得到；基于所述目标数据的风险类型以及所述目标事件组合，确定针对所述目标数据的风险检测结果。
-
公开(公告)号：CN115860749A
公开(公告)日：2023-03-28
申请号：CN202310111090.0
申请日：2023-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：接收针对目标账户的账户解限请求；获取用于解限目标账户的解限数据，基于解限数据确定目标账户是否处于账户白名单中或处于账户黑名单中，如果确定目标账户处于账户黑名单中，则拒绝对目标账户进行解限处理，如果确定目标账户处于账户白名单中，则获取并执行账户白名单对应的第一解限规则，以对目标账户进行解限处理；如果基于解限数据无法确定目标账户处于账户白名单或账户黑名单中，则针对解限数据中包含的不同类型的数据，分别通过预设数据处理规则进行处理，得到相应的解限辅助信息，以基于解限辅助信息对目标账户进行解限处理，以提高账户解限的效率和准确率。
-
公开(公告)号：CN113065610B
公开(公告)日：2022-05-17
申请号：CN202110462961.4
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种基于联邦学习构建孤立森林模型的方法和装置，所述方法包括：获取与第一节点对应的多个样本标识，多个样本标识与多个样本分别对应，每个样本包括m个特征的特征值；从m个特征标识中选择第一特征标识；基于第一特征标识与第一数据方的对应关系，将第一节点的标识、多个样本标识和第一特征标识发送给第一数据方；记录第一节点与第一数据方的对应关系；从第一数据方接收与第一节点的两个子节点分别对应的信息。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.046 seconds)
