-
公开(公告)号：CN118709148A
公开(公告)日：2024-09-27
申请号：CN202410712785.9
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/26 , G06F18/22 , G06N3/042 , H04L67/50 , H04L67/1396
Abstract: 本说明书实施例公开了一种模式挖掘的方法、装置及电子设备。所述模式挖掘的方法包括：对数据集中的每组数据组，构建以目标用户为中心的原始图；基于所述数据集中包含的数据组中的行为数据，构建所述原始图中各个节点的补充信息；从所述原始图中，提取包含所述原始图中目标用户对应的节点的至少一个子图，并对所述子图进行聚合处理，得到所述子图的聚合信息，所述聚合处理用于在将所述子图中节点的邻接节点的补充信息汇聚到节点后，对所述子图中各个节点的信息进行聚合；对所述数据集中各个所述目标用户对应的聚合信息进行匹配，并根据匹配结果，确定所述数据集中所述目标用户的行为模式。
-
公开(公告)号：CN118349902A
公开(公告)日：2024-07-16
申请号：CN202410532691.3
申请日：2024-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2413 , G06F18/20 , G06F18/213 , G06F18/2323
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，方法包括：获取目标图结构数据中与候选节点对应的子图数据；基于所述子图数据，通过表征提取模型对所述子图数据进行表征提取处理，得到所述子图数据包含的节点对应的表征向量；基于所述子图数据包含的节点对应的表征向量，对多个所述子图数据进行聚类处理，得到多个类；基于每个类对应的所述子图数据的数量，确定所述多个类中的目标类；在基于所述目标类对应的子图数据包含的节点的风险标签，确定所述目标类对应的子图数据为存在风险的子图数据的情况下，基于所述目标类对应的子图数据和待检测的图结构数据，对目标用户触发执行资源转移业务是否存在风险进行检测。
-
公开(公告)号：CN117743863A
公开(公告)日：2024-03-22
申请号：CN202311715865.1
申请日：2023-12-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/22 , G06F18/2433 , G06F18/21 , G06F18/213
Abstract: 本说明书公开了一种异常图挖掘方法、装置、存储介质及电子设备。在本说明书提供的异常图挖掘方法中，获取样本业务图，将样本业务图中存在异常的节点确定为黑节点，不存在异常的节点确定为白节点；在样本业务图中确定出以黑节点为中心节点的黑样本子图，以白节点为中心节点的白样本子图；针对每个图模式，根据与该图模式同构的黑样本子图的数量，确定该图模式的黑支持度；根据该图模式中的节点特征，与白样本子图中的节点特征，对该图模式与白样本子图进行匹配，得到与该图模式匹配的白样本子图的数量，并根据与该图模式匹配的白样本子图的数量，确定该图模式的白支持度；根据该图模式的黑支持度与白支持度，判断该图模式是否为异常图模式。
-
公开(公告)号：CN117726459A
公开(公告)日：2024-03-19
申请号：CN202410077862.8
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/08 , G06N5/022 , G06N3/0455 , G06N3/0464 , G06N3/042
Abstract: 本说明书实施例公开了一种数据的处理方法、装置及设备，该方法包括：获取针对目标商户的多种不同的模态数据，然后，可以基于多种不同的模态数据，分别通过多种不同的多模态知识图谱构建方式，构建相应的多模态知识图谱，对构建的多个多模态知识图谱中的节点之间的关系进行增补检测，并对需要进行增补的多模态知识图谱的不同节点之间的关系进行增补处理，得到增补后的多模态知识图谱，最终，可以将无需增补的多模态知识图谱和增补后的多模态知识图谱输入到预先训练的图谱表征模型中，得到针对目标商户的表征信息，基于针对目标商户的表征信息进行风险防控处理，图谱表征模型中包括注意力模块。
-
公开(公告)号：CN116403034A
公开(公告)日：2023-07-07
申请号：CN202310333647.5
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06Q40/04 , G06Q10/0635
Abstract: 在本说明书提供的图数据模型训练的方法中，根据历史业务记录确定训练样本，通过图数据模型确定训练样本的风险评估值，当训练样本为无标签样本时，根据各无标签样本的风险评估值确定分布；并根据有标签样本的标签，确定所述分布中与所述标签相匹配的区间，以各有标签样本的风险评估值落入与所述标签相匹配的区间为目标，训练所述待训练的图数据模型。从上述方法可以看出，通过利用无标签样本的风险评估值确定分布，再确定有标签样本的风险评估值与所述评估分布的差异，根据所述差异确定损失，利用所述损失训练图数据模型，实现了利用小样本训练图神经网络模型。
-
Patent Agency Ranking
公开(公告)号：CN118885934A
公开(公告)日：2024-11-01
申请号：CN202410904433.3
申请日：2024-07-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2433 , G06F18/22 , G06N5/045
Abstract: 本说明书公开了一种识别异常数据的方法、装置、存储介质、设备，随机生成初始图结构，对初始图结构进行优化，得到了用于识别异常用户数据的应用图结构，通过该应用图结构对待检测数据进行识别提高了识别异常数据的识别效果，且由于该获取应用图结构的过程未使用机器学习模型，所得到的应用图结构对于现实的用户行为模式具有一定的可解释性。
-
公开(公告)号：CN118708630A
公开(公告)日：2024-09-27
申请号：CN202410714249.2
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2458 , G06F16/35 , G06F16/36 , G06F40/284 , G06F40/30 , G06N5/025 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/2433 , G06F18/26 , G06Q20/40 , G06Q50/00
Abstract: 本说明书实施例公开了一种群组的挖掘方法、装置及设备，该方法包括：获取基于预设的社区挖掘算法对预先构建的关联图谱进行挖掘而得到的一个或多个不同的挖掘群组，关联图谱是针对存在预设风险的目标用户构建的图谱，关联图谱中的边由介质的信息和/或交易信息构建；获取每个挖掘群组中的每个节点的属性信息，并基于属性信息，通过属性图模型，确定每个节点对应的节点表征；基于每个节点对应的节点表征和每个挖掘群组中的每个节点的属性信息，确定每个挖掘群组中的离群节点，并基于每个挖掘群组中的离群节点对相应的挖掘群组进行提纯处理，得到提纯后的群组；基于提纯后的群组的属性信息，从提纯后的群组中获取存在预设风险的目标群组。
-
公开(公告)号：CN117671277A
公开(公告)日：2024-03-08
申请号：CN202311226890.3
申请日：2023-09-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/40 , G06V10/74 , G06V10/774
Abstract: 本说明书公开了一种图特征提取方法、装置、存储介质及电子设备。在本说明书提供的图特征提取方法中，获取目标图；将所述目标图输入预先训练的特征提取模型中，所述特征提取模型至少包括对比子网、输出子网；通过所述对比子网，针对所述特征提取模型中存储的每个隐藏图，确定该隐藏图与所述目标图之间的相似度，其中，所述隐藏图是通过对所述特征提取模型进行训练得到的；通过所述输出子网，根据所述目标图与各隐藏图之间的相似度输出所述目标图的图特征。
-
公开(公告)号：CN116402108A
公开(公告)日：2023-07-07
申请号：CN202310264181.8
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08 , G06N3/0475 , G06N3/045 , G06F18/214 , G06F18/24
Abstract: 本说明书公开了一种模型训练及图数据的处理方法、装置、介质及设备。生成对抗网络包含目标模型和对抗模型。通过将根据图数据确定的各训练样本输入目标模型，得到目标模型对各训练样本的预测结果，并根据预测结果和各训练样本的标注，确定目标模型对各训练样本进行预测的损失，作为第一损失。将各训练样本输入对抗模型，通过对抗模型模拟对各训练样本的分布进行调整。以根据第一损失预估目标模型对模拟出的调整分布后的各训练样本进行预测的损失，作为第二损失。以第二损失最小为目标训练目标模型，并以第二损失最大为目标训练对抗模型。通过生成对抗网络中目标模型与对抗模型间对抗性训练方式，最大化目标模型的最低性能，提升目标模型鲁棒性。
-
公开(公告)号：CN116342290A
公开(公告)日：2023-06-27
申请号：CN202310264151.7
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/06 , G06Q40/04 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例提供了一种风险识别方法、模型训练方法及对应装置。主要技术方案包括：获取利用用户的网络行为数据构建的网络图，网络图包括节点和边，节点为网络行为，两个节点之间的边为两个网络行为对应的相同用户；利用子网提取模型从网络图中提取目标节点对应的子网络；利用风险识别模型确定目标节点在子网络中的第一特征表示以及在网络图中的第二特征表示，利用第一特征表示和第二特征表示识别目标节点的风险信息，风险信息包括该目标节点对应的网络行为是否为风险行为，或者该目标节点对应的网络行为的风险等级信息。通过本说明书实施例能够提高对用户网络行为风险识别的准确性和可解释性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.043 seconds)
