公开(公告)号：CN119205118A

公开(公告)日：2024-12-27

申请号：CN202411217185.1

申请日：2024-08-30

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 胡逸飞 ,  陈佩弦 ,  张梦娇 ,  高睿哲 ,  郑天翼

IPC: G06Q20/40 ,  G06F18/20 ,  G06N5/01

Abstract: 本说明书公开了一种异常检测方法、装置、介质及设备，首先确定待检测账户，并获取包含待检测账户的图数据，图数据是以账户为节点，账户之间关系为边的图数据。将待检测账户对应的节点，作为待检测节点，根据预设的节点数量以及预设跳数，确定待检测节点的多个子图。将各子图分别输入训练完成的评分模型，分别得到各子图的评分。根据各子图的评分，确定待检测账户的检测结果。通过训练完成的评分模型，对从图数据上采集的子图进行评分，确定检测结果。避免了需要大量的人力成本去进行检测规则的提取。

公开(公告)号：CN115115404A

公开(公告)日：2022-09-27

申请号：CN202210747019.7

申请日：2022-06-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06Q30/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例提供一种用户表征处理方法及装置，该方法包括：获得多个预设关系类型对应的多个用户关系图，各用户关系图中的边表示所对应关系类型，节点对应于用户；利用多个预设关系类型对应的多个稀疏化模型，分别对多个用户关系图进行裁剪，得到对应的多个裁剪关系图；基于多个裁剪关系图，融合得到涉及多个预设关系类型的异质图；利用图神经网络处理异质图，得到其中目标节点对应的目标用户的用户表征，用户表征用于对目标用户进行分类。

公开(公告)号：CN112214707A

公开(公告)日：2021-01-12

申请号：CN202011064644.9

申请日：2020-09-30

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06F16/958 ,  G06F16/906 ,  G06K9/62

Abstract: 本说明书实施例提供了一种网页内容表征方法及分类方法、装置及设备，包括：针对来源于网页截图样本集的多个网页区块，提取每个网页区块的多个单模态特征；将从各个网页区块提取的多个单模态特征进行融合，得到每个网页区块的融合特征；通过预训练模型，利用多个网页区块的融合特征执行自监督预训练任务，以产出网页截图样本集的网页内容表征。

公开(公告)号：CN111523832A

公开(公告)日：2020-08-11

申请号：CN202010632364.7

申请日：2020-07-03

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲 ,  李超 ,  汲小溪

IPC: G06Q10/06 ,  G06Q30/00 ,  G06Q30/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书实施例公开一种商户风险巡检方法、装置、电子设备及存储介质，获取线上商户的多模态风险数据；针对多模态风险数据中每组模态风险数据，根据该组模态风险数据的时序信息对该组模态风险数据进行双向匹配融合，得到该组模态风险数据对应的第一双向匹配融合序列和第二双向匹配融合序列；将多模态风险数据对应得到的第一双向匹配融合序列和第二双向匹配融合序列进行聚合，得到风险特征向量；根据风险特征向量预测线上商户是否存在非法平台风险。

公开(公告)号：CN115115404B

公开(公告)日：2025-03-25

申请号：CN202210747019.7

申请日：2022-06-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06Q30/0201 ,  G06Q30/0203 ,  G06N3/0464 ,  G06N3/08

Abstract: 本说明书实施例提供一种用户表征处理方法及装置，该方法包括：获得多个预设关系类型对应的多个用户关系图，各用户关系图中的边表示所对应关系类型，节点对应于用户；利用多个预设关系类型对应的多个稀疏化模型，分别对多个用户关系图进行裁剪，得到对应的多个裁剪关系图；基于多个裁剪关系图，融合得到涉及多个预设关系类型的异质图；利用图神经网络处理异质图，得到其中目标节点对应的目标用户的用户表征，用户表征用于对目标用户进行分类。

公开(公告)号：CN116383663A

公开(公告)日：2023-07-04

申请号：CN202310466715.5

申请日：2023-04-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06F18/214 ,  G06F18/24 ,  G06N3/082 ,  G06N3/04 ,  G06N3/0895 ,  G06Q20/40

Abstract: 本说明书实施例公开了一种风险识别模型训练、风险识别方法、装置和设备，所述风险识别模型训练方法可将包含多个节点的样本网络输入第一风险识别模型，获得第一输出，所述多个节点包括第一节点和第二节点，第一节点的标签是已知的，第二节点的标签是未知的，第一输出包括第一风险识别模型为第二节点预测的第一软标签；将所述样本网络输入已收敛的第二风险识别模型，获得包括所述第二风险识别模型为所述第二节点预测的第二软标签的第二输出；基于所述第二输出和所述第一输出确定所述第一风险识别模型的损失；基于损失对所述第一风险识别模型的可学习参数进行更新，使得所述第一风险识别模型的输出与所述第二风险识别模型的输出之间的差异最小化。

公开(公告)号：CN116382754A

公开(公告)日：2023-07-04

申请号：CN202310472950.3

申请日：2023-04-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06F8/658 ,  G06F8/60 ,  G06F18/214 ,  G06N5/01 ,  G06Q10/0635 ,  G06Q40/00

Abstract: 本说明书实施例提供一种风控模型的更新方法和装置。根据该方法，首先获取第一风控模型部署上线后，用户在互联网中产生的新增操作事件，以及对应的风险标签；其中，所述第一风控模型基于操作事件的第一特征集训练得到，并实现为由N棵子树构成的树模型。在确定需新增特征的情况下，筛选出相对于第一特征集新增的事件特征所构成的第二特征集。然后，基于第一风控模型执行若干轮迭代，得到第二风控模型；其中每轮迭代包括，根据对新增操作事件的预测效果，从当前树模型的N棵子树中删除m棵已有子树，得到中间模型；利用新增操作事件的第二特征集和风险标签，训练m棵新建子树，将其集成到中间模型，作为迭代后的树模型。

公开(公告)号：CN115841335A

公开(公告)日：2023-03-24

申请号：CN202310134888.7

申请日：2023-02-07

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06Q20/40 ,  G06N3/045 ,  G06N3/09 ,  G06N3/0499

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：获取与目标用户触发执行目标业务相关的目标数据，所述目标数据包括在所述目标用户的账户生命周期的多个不同阶段中，与每个所述阶段对应的子数据；基于预先训练的风险检测模型，对所述目标数据进行风险检测处理，得到所述目标用户对应的风险类型，所述风险检测模型为基于终身学习算法构建的包括多个子网络的模型，不同的所述子网络用于对不同的所述阶段的子数据进行风险检测处理，前一个训练完成的子网络的参数的重要性通过正则约束的方式控制下一个所述子网络的优化方向；基于所述目标用户对应的风险类型，确定所述目标用户是否为风险用户。

公开(公告)号：CN119295079A

公开(公告)日：2025-01-10

申请号：CN202411320071.X

申请日：2024-09-20

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06Q20/40 ,  G06N3/045 ,  G06N5/025 ,  G06F18/241 ,  G06F18/20

Abstract: 本说明书实施例公开了一种风险识别的方法、装置及电子设备。所述风险识别的方法包括：基于与进行风险识别的目标任务相关的目标交易主体，从所述目标任务对应的用于描述交易主体之间关系的图结构数据中，提取包含所述目标交易主体的第一目标子图；根据所述目标任务，构建用于描述所述目标任务的第二目标子图，所述第二目标子图中包含描述节点和与所述描述节点相连的分类节点；将所述第一目标子图和所述第二目标子图进行融合处理，得到融合图结构数据，所述融合处理过程包括构建所述第一目标子图中目标交易主体对应的节点与所述描述节点之间的边；使用预训练后的风险识别模型对所述融合图结构数据进行风险识别，得到目标任务对应的风险识别结果。

公开(公告)号：CN118296510A

公开(公告)日：2024-07-05

申请号：CN202410483701.9

申请日：2024-04-18

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 高睿哲

IPC: G06F18/2431 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本说明书公开了一种风控时序数据的风控方法、装置、介质及设备，获取待风控业务的业务流程数据，作为风控时序数据。将风控时序数据输入训练完成的风控模型，对风控时序数据进行下采样，分割为第一序列和第二序列。通过风控模型的第一卷积层，提取出第一序列的特征和第二序列的特征。根据第一序列的特征的指数与第二序列，确定第三序列，根据第二序列的特征的指数与第一序列，确定第四序列。通过风控模型的第二卷积层，提取出第三序列的特征以及第四序列的特征。根据第三序列、第四序列、第三序列的特征、第四序列的特征、风控时序数据，确定风控时序数据的特征，通过风控模型的分类层，确定分类结果，并根据分类结果，对待风控业务进行风控。