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

Inventor： 许轶珂 ,  吴若凡 ,  田胜 ,  但家旺 ,  王宝坤 ,  孟昌华

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

Inventor： 但家旺 ,  柴子炜 ,  王宝坤 ,  田胜 ,  胡逸飞 ,  孟昌华

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。

公开(公告)号：CN116245773A

公开(公告)日：2023-06-09

申请号：CN202211679279.1

申请日：2022-12-26

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 兰钧 ,  陈昊星 ,  孟昌华 ,  王维强

IPC: G06T5/50 ,  G06V40/16 ,  G06V10/774

Abstract: 本说明书公开了一种人脸合成模型训练方法、装置、存储介质及电子设备，在本说明书提供的方法中，获取人脸图像并对其进行调整，将调整后的人脸图像的人脸区域的图像作为目标图像，将目标图像与调整前的人脸图像进行人脸合成的图像作为训练样本，输入待训练的人脸合成模型，以模型输出的优化图像与调整前的人脸图像的差异最小为训练目标训练待训练的人脸合成模型。从上述方法中可以看出，本方法预先对人脸图像进行调整与合成得到训练样本，然后以模型的输出图像与调整前的人脸图像的差异最小为训练目标训练待训练的人脸合成模型，通过这种方法训练得到的人脸合成模型能够使人脸合成图像的前景与背景之间的差异更小。

公开(公告)号：CN116206309A

公开(公告)日：2023-06-02

申请号：CN202310187135.2

申请日：2023-02-24

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陈昊星 ,  顾章轩 ,  兰钧 ,  孟昌华 ,  王维强

IPC: G06V20/70 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/40

Abstract: 本说明书实施例提供了一种图像识别方法、训练图像识别模型的方法及对应装置。主要技术方案包括：获取待识别图像；利用图像识别模型确定所述待识别图像对应的图像类别；其中，所述图像识别模型提取所述待识别图像的视觉特征表示；利用所述待识别图像的视觉特征表示与属性词库中各属性词的特征表示进行匹配，得到所述待识别图像的融合特征表示，该融合特征表示包括所述待识别图像在各属性词上的置信度分布；利用所述待识别图像的融合特征表示预测所述待识别图像对应的图像类别。本申请能够提高图像识别在细粒度图像类别上的识别准确性。

公开(公告)号：CN116127460A

公开(公告)日：2023-05-16

申请号：CN202310322923.8

申请日：2023-03-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王可 ,  兰钧 ,  孟昌华

IPC: G06F21/56 ,  G06F21/44 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774

Abstract: 本说明书实施例提供了一种仿冒APP发现方法及装置、介质、设备。方法包括对待识别APP的图标进行编码，得到第一编码向量；根据所述待识别APP的第一编码向量和特征向量库中的每一个第二编码向量，计算所述待识别APP的图标和所述特征向量库中该第二编码向量对应的图标之间的视觉相似度；若计算得到的各个视觉相似度中的最大值大于预设阈值，则确定该最大值对应的第一正版APP；判断所述第一正版APP的开发者标识与所述待识别APP的开发者标识是否相同，并根据判断结果确定所述待识别APP是否为仿冒APP。本说明书实施例能够识别出仿冒APP，进而减少用户的隐私泄露和财产损失。

公开(公告)号：CN115545938B

公开(公告)日：2023-03-28

申请号：CN202211508342.5

申请日：2022-11-29

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵闻飙 ,  朱亮 ,  田胜 ,  但家旺 ,  李金膛 ,  孟昌华

IPC: G06F17/00 ,  G06Q40/04 ,  G06N3/08 ,  G06N3/04 ,  G06F16/901

Abstract: 本说明书公开了一种执行风险识别业务的方法、装置、存储介质及设备，通过将历史全图数据拆为各子图数据，通过训练后的解释模型确定各子图数据中主体的权重，根据各子图数据中主体的权重确定历史全图数据中主体的权重，作为历史全图数据的标注，根据历史全图数据及历史全图数据的标注训练预降噪模型。当确定满足更新条件时确定当前全图数据，将当前全图数据输入训练后的预降噪模型，得到当前全图数据中各主体的权重，根据得到的权重，裁剪当前全图数据中的主体得到可信图。可在执行业务前基于预降噪模型输出的权重对当前全图数据进行裁剪，得到降噪后的可信图，接收到携带业务数据的风控业务请求时则可根据可信图确定业务数据对应的风险识别结果。

公开(公告)号：CN115758141A

公开(公告)日：2023-03-07

申请号：CN202211400826.8

申请日：2022-11-09

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 孟昌华 ,  吴星 ,  王维强

IPC: G06F18/214 ,  G06N20/00 ,  G06F16/33

Abstract: 本说明书公开了一种模型训练和业务风控的方法及装置，可以获取用户在历史上执行业务时的投诉文本信息和业务数据，以及风控规则，而后，将投诉文本信息输入到业务模型中的第一编码层，以及将业务数据输入到该业务模型中的第二编码层，并基于该第一编码层以及第二编码层输出的结果，对业务模型进行第一训练，进而，将投诉文本信息输入到训练后的第一编码层，以及将风控规则输入到第三编码层，并基于训练后的第一编码层以及第三编码层输出的结果，对业务模型进行第二训练，最后，将投诉文本信息、业务数据以及风控规则输入到业务模型中，对业务模型整体性地进行训练，进而提高了为用户进行业务风控的效率以及准确性，保护用户的隐私数据。

公开(公告)号：CN115730233A

公开(公告)日：2023-03-03

申请号：CN202211338452.1

申请日：2022-10-28

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 吴星 ,  孟昌华 ,  王维强

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/04 ,  G06N3/0464 ,  G06Q30/0282

Abstract: 本说明书公开了一种数据处理方法、装置、可读存储介质以及电子设备，通过将获取到的用户数据输入到包含风险识别层和辅助识别层的分类模型中，得到风险识别层输出的该用户数据对应的风险类型，以及该辅助识别层输出的该投诉数据满足的风险条件，再根据确定出的风险类型和风险条件，确定该投诉数据对应的处理结果。本说明书中的数据处理方法，不仅能准确确定投诉数据对应的风险类型，还能给出该投诉数据满足的风险条件，以对得到的风险类型进行解释，提高了数据处理的准确率。

公开(公告)号：CN115643056A

公开(公告)日：2023-01-24

申请号：CN202211213698.6

申请日：2022-09-30

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 崔世文 ,  李志峰 ,  孟昌华 ,  王维强

IPC: H04L9/40 ,  H04L41/14 ,  H04L43/50

Abstract: 本说明书实施例提供了一种网络模型的防攻击能力测试方法及装置。在该方法中，服务平台执行可以提供自定义待测试的网络模型，自定义针对网络模型的自然测试集，自定义针对网络模型的攻击方式，以及自定义用于评估网络模型的防攻击效果的评估指标的功能。当确定待检测的网络模型以及自然测试集、攻击方式和评估指标之后，可以利用自然测试集，在攻击方式下确定网络模型输出的预测结果，并基于评估指标和预测结果，对网络模型的防攻击能力进行评估，得到评估结果。

公开(公告)号：CN113313404B

公开(公告)日：2022-12-06

申请号：CN202110662087.9

申请日：2021-06-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 李辉 ,  吴若凡 ,  李志峰 ,  崔世文 ,  孟昌华 ,  王维强

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本说明书实施例提供一种生成对抗样本的方法和装置，其中方法包括，首先获取目标风险样本的原始样本特征以及风险检测模型。针对该目标风险样本，在预定特征空间中，确定预定数目T个基准方向；依次按照T个基准方向中的不同基准方向，以预设的第一步长，执行若干轮特征变换，直到得到第一变换特征，其中风险检测模型针对该第一变换特征的预测值落入非风险样本对应的预定区间。然后，针对该第一变换特征，沿最后一次特征变换方向的逆向，以依次增大的回退幅度执行若干次回退操作，直到得到第二变换特征，该风险检测模型针对第二变换特征的预测值达到前述预定区间的边界。于是，可以根据该第二变换特征，形成目标风险样本对应的对抗样本。