-
公开(公告)号：CN118228255A
公开(公告)日：2024-06-21
申请号：CN202410257025.3
申请日：2024-03-06
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应用程序的风险检测方法、装置及设备，该方法包括：获取用于检测目标应用程序是否存在预设的经营性风险的目标数据，目标数据中至少包括用户使用目标应用程序前用户的访问日志数据；基于访问日志数据，确定用户的行为序列数据，并基于访问日志数据和行为序列数据，确定序列图结构数据；通过预先训练的编码器中的序列编码子模型对行为序列数据进行编码处理，得到行为序列数据对应的序列表征；将序列图结构数据输入到编码器中的序列图编码子模型中，以对序列图结构数据进行编码处理，得到序列图结构数据对应的序列图结构表征；基于序列表征和序列图结构表征，确定目标应用程序是否存在预设的经营性风险。
-
公开(公告)号：CN115795109A
公开(公告)日：2023-03-14
申请号：CN202211591577.5
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待裁剪的第一图结构数据；基于预先训练的图采样模型中的图编码网络，确定第一图结构数据中每个节点的节点表征向量；基于第一图结构数据中每个节点的节点表征向量，第一图结构数据的构建时间以及第一图结构数据中每两个具有连接关系的节点之间的时间信息，确定第一图结构数据中每两个具有连接关系的节点之间的边的边表征向量；基于预先训练的图采样模型中的采样网络，确定第一图结构数据中每两个具有连接关系的节点之间的边的采样概率；基于第一图结构数据中每两个具有连接关系的节点之间的边的采样概率，对第一图结构数据进行裁剪处理，得到裁剪后的第一图结构数据。
-
公开(公告)号：CN115660105A
公开(公告)日：2023-01-31
申请号：CN202211339182.6
申请日：2022-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种模型训练的方法、业务风控的方法及装置。首先，确定预先构建的业务关系图。其次，获取业务序列数据。而后，将业务序列数据输入到待训练的预测模型中，以通过特征提取层，得到目标节点的第一序列特征，以及关联节点的第二序列特征。然后，通过注意力层，确定第一序列特征与第二序列特征之间的注意力权重，并根据注意力权重、第一序列特征以及第二序列特征，确定目标节点与关联节点之间的边的边特征。接着，将确定出的目标节点对应的节点特征以及边特征输入到决策层中，得到风险预测结果。最后，以最小化风险预测结果与标签之间的偏差为优化目标，对预测模型进行训练。本方法可以在用户执行业务过程中进行有效地业务风控。
-
公开(公告)号：CN115293872A
公开(公告)日：2022-11-04
申请号：CN202210793704.3
申请日：2022-07-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/02 , G06F30/27 , G06K9/62 , G06F119/02
Abstract: 本说明书实施例提供了一种建立风险识别模型的方法及对应装置。其中方法包括：获取利用用户的网络行为数据构建的异构网络图，异构网络图包括节点和边，节点包括行为主体和行为对象，边依据行为主体和行为对象之间的行为关系确定；对异构网络图中的边进行掩膜处理，得到掩膜子图和剩余子图；利用剩余子图和掩膜子图训练图自编码器；其中，图自编码器包括编码网络和第一解码网络；编码网络利用输入的剩余子图得到各节点的表征向量，第一解码网络利用各节点的表征向量预测被掩膜的边，训练目标包括：最小化预测结果与掩膜子图之间的差异；利用训练得到的图自编码器中的编码网络，构建风险识别模型。本申请能够提高风险识别模型的识别效果。
-
公开(公告)号：CN115293235A
公开(公告)日：2022-11-04
申请号：CN202210788668.1
申请日：2022-07-06
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建立风险识别模型的方法及对应装置。其中方法包括：获取利用用户的网络行为数据构建的异构网络图对应的图邻接矩阵，异构网络图包括节点和边，节点包括行为主体和行为对象，边依据行为主体和行为对象之间的行为关系确定；利用图邻接矩阵生成训练样本，以及对图邻接矩阵的特征值和/或特征向量进行扰动生成对抗样本；利用训练样本和对抗样本训练图神经网络，得到风险识别模型；其中训练目标包括：最小化图神经网络针对训练样本和对抗样本中的样本对象输出的识别结果与该样本对象被标注的标签之间的差异，样本对象包括节点或边。本申请能够有效提高风险识别模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113987280A
公开(公告)日：2022-01-28
申请号：CN202111256452.2
申请日：2021-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/901 , G06N20/00
Abstract: 本说明书实施例提供一种针对动态图训练图模型的方法及装置，首先获取第一实体对应第一时间点的第一表达向量和第二时间点的第二表达向量，然后通过第一时间表征模型确定第一时间差对应的第一时间表征向量，接着，基于第一时间表征向量确定第一表达向量和第二表达向量之间的f‑信息，进一步以f‑信息最大化为目标确定模型损失，并向着模型损失减小的方向调整图模型及第一时间表征模型中的各个待定参数。这种方式可以提高模型的灵活性和有效性。
-
公开(公告)号：CN112541129A
公开(公告)日：2021-03-23
申请号：CN202011409575.0
申请日：2020-12-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06K9/62 , G06Q40/04
Abstract: 本说明书实施例提供一种处理交互事件的方法及装置，在处理方法中，获取新增交互事件。在已有动态交互图中，确定出新增交互事件对应的两个目标节点，并建立新增连接边。至少对两个目标节点的节点信息进行融合，得到事件交互信息。根据两个目标节点各自所在最近历史交互事件与新增交互事件的交互时间差，以及事件交互信息，分别更新两个目标节点各自的隐含向量。确定各阶邻居节点。针对各阶邻居节点中任意的第一邻居节点，基于其所在最近历史交互事件与新增交互事件的交互时间差、第一邻居节点与对应目标节点的第一距离，以及两个目标节点各自的更新的隐含向量，确定对应于第一邻居节点的传播信息。根据传播信息，更新第一邻居节点的隐含向量。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.033 seconds)
