-
公开(公告)号:CN110837633B
公开(公告)日:2021-10-08
申请号:CN201910982638.2
申请日:2019-10-16
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智能凭证实现方法,应用于M个凭证服务器中,其中,M为大于2的整数,包括:接收客户终端发送的凭证请求;根据所述凭证请求,从所述M个凭证服务器中确定用于响应所述凭证请求的N个凭证服务器,并获取所述N个凭证服务器响应所述凭证请求而生成的智能准入凭证,其中,所述智能准入凭证是基于N个凭证数据而生成的,所述N个凭证数据为所述N个凭证服务器用于响应所述凭证请求而生成的,所述N个凭证数据与所述N个凭证服务器一一对应,N为大于2且不大于M的整数;将所述智能准入凭证返回给所述客户终端。
-
公开(公告)号:CN110830448B
公开(公告)日:2022-09-13
申请号:CN201910981372.X
申请日:2019-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/40
Abstract: 本说明书实施例提供了一种目标事件的流量异常检测方法、装置、电子设备及介质,通过预先设置流量预测模型,结合目标事件当前时间点的前k个时间点的真实流量数据,得到当前时间点的预测流量数据,进而通过预设的概率分布模型得到当前时间点的真实流量数据与预测流量数据之间的差异值出现的概率值,通过该概率值确定目标事件在当前时间点的真实流量数据是否存在异常。
-
公开(公告)号:CN111242312B
公开(公告)日:2021-08-17
申请号:CN202010011446.X
申请日:2020-01-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 公开一种事件序列数据的处理方法。该方法包括:为预设的事件集中包含的各事件分别生成对应的初始化特征向量;从事件序列数据集合中依次读取事件序列数据,并计算与读取到的所述事件序列数据对应的共现矩阵;其中,所述共现矩阵为基于所述事件序列数据中包含的各事件之间的共现概率生成的矩阵;将所述共现矩阵中包含的共现概率作为约束,对所述事件集中包含的与所述共现概率相关的事件对应的初始化特征向量进行训练,得到与所述事件集中包含的各事件对应的输入特征向量;基于所述事件集所包含的事件对应的输入特征向量,对所述事件序列数据集合中的各事件序列数据进行编码。
-
公开(公告)号:CN111242312A
公开(公告)日:2020-06-05
申请号:CN202010011446.X
申请日:2020-01-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 公开一种事件序列数据的处理方法。该方法包括:为预设的事件集中包含的各事件分别生成对应的初始化特征向量;从事件序列数据集合中依次读取事件序列数据,并计算与读取到的所述事件序列数据对应的共现矩阵;其中,所述共现矩阵为基于所述事件序列数据中包含的各事件之间的共现概率生成的矩阵;将所述共现矩阵中包含的共现概率作为约束,对所述事件集中包含的与所述共现概率相关的事件对应的初始化特征向量进行训练,得到与所述事件集中包含的各事件对应的输入特征向量;基于所述事件集所包含的事件对应的输入特征向量,对所述事件序列数据集合中的各事件序列数据进行编码。
-
公开(公告)号:CN110837633A
公开(公告)日:2020-02-25
申请号:CN201910982638.2
申请日:2019-10-16
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智能凭证实现方法,应用于M个凭证服务器中,其中,M为大于2的整数,包括:接收客户终端发送的凭证请求;根据所述凭证请求,从所述M个凭证服务器中确定用于响应所述凭证请求的N个凭证服务器,并获取所述N个凭证服务器响应所述凭证请求而生成的智能准入凭证,其中,所述智能准入凭证是基于N个凭证数据而生成的,所述N个凭证数据为所述N个凭证服务器用于响应所述凭证请求而生成的,所述N个凭证数据与所述N个凭证服务器一一对应,N为大于2且不大于M的整数;将所述智能准入凭证返回给所述客户终端。
-
公开(公告)号:CN110830448A
公开(公告)日:2020-02-21
申请号:CN201910981372.X
申请日:2019-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L29/06
Abstract: 本说明书实施例提供了一种目标事件的流量异常检测方法、装置、电子设备及介质,通过预先设置流量预测模型,结合目标事件当前时间点的前k个时间点的真实流量数据,得到当前时间点的预测流量数据,进而通过预设的概率分布模型得到当前时间点的真实流量数据与预测流量数据之间的差异值出现的概率值,通过该概率值确定目标事件在当前时间点的真实流量数据是否存在异常。
-
-
-
-
-