-
公开(公告)号：CN118673498A
公开(公告)日：2024-09-20
申请号：CN202410695079.8
申请日：2024-05-30
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小程序风险识别方法及装置。该方法首先获取用于对目标小程序进行风险识别的第一信息，如果基于所获取的第一信息从风险数据库中查找到对应的页面信息，则从风险数据库中获取页面信息对应的端侧风险识别结果，如果端侧风险识别结果指示页面信息中存在预设风险，则基于第一信息对页面信息进行风险识别，获取页面信息对应的云端风险识别结果，并基于云端风险识别结果确定页面信息对应的风险识别结果，如果未从风险数据库中获取到页面信息对应的端侧风险识别结果，则调用目标小程序运行所需的终端运行环境下的页面信息对应的未访问页面，捕捉未访问页面的信息，确定页面信息是否存在预设风险。
-
公开(公告)号：CN118070797A
公开(公告)日：2024-05-24
申请号：CN202410140536.7
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/289 , G06F40/30 , G06F40/216
Abstract: 本说明书实施例公开了一种生成文本检测方法、装置、存储介质及电子设备，包括：对待检测文本进行文本扰动处理，得到扰动检测文本，并计算待检测文本对应的第一生成概率以及计算扰动检测文本对应的第二生成概率，然后根据第一生成概率和第二生成概率的差异生成待检测文本和扰动检测文本之间的扰动差异指标，最后若扰动差异指标大于预设差异阈值，则可确定待检测文本为生成文本。
-
公开(公告)号：CN117876114A
公开(公告)日：2024-04-12
申请号：CN202311714126.0
申请日：2023-12-13
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和模型训练的方法及装置，用于隐私保护，获取用户在各特征维度下的特征数据，并针对每个特征维度，确定该特征维度对应的维度类型，判断该特征维度是否为预设维度类型，若是，则确定用户与该特征维度相关的业务意图，并将该特征维度的维度名称、该特征维度下的特征数据和用户与该特征维度相关的业务意图输入到特征提取网络中，得到特征编码，否则，根据该特征维度的特征数据的数据类型，确定该特征维度对应的输入数据，并将输入数据输入到特征提取网络中，得到特征编码。将各特征维度下的特征数据的特征编码输入到预测网络，得到预测结果，以根据预测结果执行业务，本方法通过结合业务意图提高了预测结果的准确性。
-
公开(公告)号：CN117194992A
公开(公告)日：2023-12-08
申请号：CN202311454844.9
申请日：2023-11-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/25 , G06F9/50 , G06N3/0499 , G06N3/08
Abstract: 本说明书公开一种模型训练、任务执行方法、装置、存储介质及设备，中心服务器可以基于各下游任务的共性样本对初始模型进行预训练，得到具有执行各下游任务的基础能力的预训练模型，进而可以通过将预训练模型的模型参数发送给每个下游服务器，以使得每个下游服务器基于本地样本对预训练模型中的调整层进行训练，得到训练后模型，并将训练后模型的调整层的网络参数返回，中心服务器可以根据各下游服务器返回的调整层网络参数，对预训练模型的调整层进行更新，得到目标模型，从而使得可以通过预训练模型的调整层学习到不同下游服务器所私有的本地样本和预训练过程中使用的共性样本之间的潜在联系，进而使得目标模型在下游任务中的性能得到提升。
-
公开(公告)号：CN116628572A
公开(公告)日：2023-08-22
申请号：CN202310577209.3
申请日：2023-05-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06Q40/04
Abstract: 本说明书实施例提供了一种风控场景中消除噪声样本的方法和装置。该方法包括：得到原始训练样本集；该原始训练样本集中包括扩充训练样本以及干净训练样本；将原始训练样本集中的一部分训练样本输入第一去噪模型中，另一部分训练样本输入第二去噪模型中；从输入一个去噪模型的各训练样本中确定出标签相对可靠的训练样本，并利用输入该标签相对可靠的训练样本时得到的该去噪模型的梯度信息更新另一个去噪模型的参数；最终得到的去噪模型对所述原始训练样本集中的训练样本进行分类，利用分类结果更新原始训练样本集中该训练样本的标签，从而得到消除噪声样本后的训练样本集。本说明书实施例能够更好地消除噪声样本。
-
Patent Agency Ranking
公开(公告)号：CN116432742A
公开(公告)日：2023-07-14
申请号：CN202310435910.1
申请日：2023-04-19
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模型压缩系统、方法及设备，该方法应用于模型压缩系统，包括：获取待压缩的目标模型，并确定所述目标模型中包含的算子之间的拓扑关系，基于所述拓扑关系，确定所述目标模型的拓扑结构，基于所述目标模型的拓扑结构和所述目标模型中的模型参数，确定所述目标模型的压缩规则，使用确定的压缩规则，基于所述目标模型的拓扑结构和所述目标模型中的模型参数对所述目标模型进行压缩处理，得到压缩后的目标模型，导出所述压缩后的目标模型。
-
公开(公告)号：CN115905624A
公开(公告)日：2023-04-04
申请号：CN202211271412.X
申请日：2022-10-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/90 , G06N3/044 , G06N3/0464 , G06N3/084
Abstract: 本说明书实施例公开了一种用户行为状态的确定方法、装置及设备，该方法包括：获取目标用户多次执行目标业务所产生的操作行为信息构建的业务时序信息，基于业务时序信息和预先训练的神经网络模型，确定业务时序信息对应的重构系数，训练神经网络模型的过程中通过以下目标函数对神经网络模型中的模型参数进行优化处理：基于由训练样本和训练样本对应的重构系数样本构建的范数，以及重构系数样本对应的熵确定的目标函数；基于业务时序信息对应的重构系数和业务时序信息，确定业务时序信息中不同时间执行的目标业务之间的关联关系；基于业务时序信息中不同时间执行的目标业务之间的关联关系，确定目标用户执行目标业务的行为状态信息。
-
公开(公告)号：CN115761396A
公开(公告)日：2023-03-07
申请号：CN202211332485.5
申请日：2022-10-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06V10/764 , G06Q10/0635 , G06Q10/04 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种判断节点性质的方法，包括步骤：获取用户拓扑图，用户拓扑图中的各节点用于表征群组用户中的各用户，用户拓扑图中的各边用于表征各用户之间的关系；在各节点中确定待识别节点，并通过图游走算法获取用户拓扑图中的若干局部子图；针对每个局部子图，通过预先训练的判断模型，判断该局部子图是否为以待识别节点为起点游走出的局部子图；根据针对每个局部子图的判断结果识别待识别节点的性质。相应地，本发明公开了判断节点性质的装置。
-
公开(公告)号：CN115293238A
公开(公告)日：2022-11-04
申请号：CN202210793703.9
申请日：2022-07-07
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可信性判别的方法及系统。其中方法包括：获取表征模型分别利用第一主体和第二主体在时间t2之前预设时长内的行为特征得到的第一主体和第二主体的表征向量；针对所述第一主体确定与该第一主体的表征向量之间的距离满足预设第一条件的第二主体，并将确定出的各第二主体分别与第一主体构成候选关系对；对各候选关系对进行风险评分，选择风险评分满足预设第二条件的候选关系对作为可信关系对，所述可信关系对用以在时间t2+m对包含网络行为的流量进行可信性判别。本申请能够实现基于双主体的准确可信性判别。
-
公开(公告)号：CN115169551A
公开(公告)日：2022-10-11
申请号：CN202210757609.8
申请日：2022-06-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例描述了行为预测模型的训练方法、风险行为预测方法和装置。根据实施例的方法，可以在训练行为预测模型时获取样本行为事件的类型标识以及样本行为事件所发生的时间信息。然后将样本行为事件在连续的时间域上进行表征，进而根据在连续时间域上表征后的行为事件表征训练行为预测模型，以对行为预测模型输出的类型标识和时间的预测值进行优化。通过将样本行为事件在连续的时间域上表征，实现了行为事件和其所发生的的时间的关联，使得模型能够充分学习到行为事件和其所发生的时间所呈现出的规律和周期性的特征，从而能够提高风险行为预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.039 seconds)
