-
公开(公告)号：CN118195619A
公开(公告)日：2024-06-14
申请号：CN202410309170.1
申请日：2024-03-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06N3/0475 , G06N3/045 , G06N3/08
Abstract: 本说明书公开了一种风控模型训练的方法、装置、存储介质、设备，基于生成对抗网络构建待训练风控模型，获取历史交易事件与每个历史交易事件所对应的历史风控策略，从各历史交易事件中选择第一历史交易事件，将所述第一历史交易事件输入所述生成器，得到所述生成器输出的预测风控策略，将所述第一历史交易事件与所述预测风控策略输入所述判别器，使所述判别器判别所述预测风控策略是否为所述生成器所生成的风控策略并得到判别结果，根据判别结果对所述待训练风控模型中的生成器与判别器进行训练，利用生成—对抗的思想训练风控模型，训练完成的风控模型可根据输入的交易事件得到对该交易事件的风控策略，为交易事件管控提供实时高效的解决方案。
-
公开(公告)号：CN118069248A
公开(公告)日：2024-05-24
申请号：CN202410161353.3
申请日：2024-02-04
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方法、装置、设备及可读存储介质，以获取的各业务对象为节点确定目标拓扑图，获取各业务对象的行为序列，针对目标拓扑图中每个节点，根据该节点的行为序列和该节点的邻居节点的行为序列，确定该节点与该节点的邻居节点之间的关系权重，根据该节点的邻居节点的特征、该节点的邻居节点的行为序列和关系权重，对该节点的特征进行更新，得到该节点的目标特征，根据目标拓扑图中各节点的目标特征执行业务。可见，通过在邻居关系、传播特征提取和节点特征更新进行行为序列和图数据的信息交互和融合，有效地整合了行为序列的特征和图数据的特征，从而提高下游业务的执行效果和数据的隐私安全性。
-
公开(公告)号：CN117932615A
公开(公告)日：2024-04-26
申请号：CN202410077208.7
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种风险检测方法、装置、存储介质以及电子设备，通过对获取到的明文数据进行脱敏处理，确定出对应的脱敏后数据。然后将脱敏后数据输入到预先经过训练的数据重构模型中，以使得数据重构模型能够根据脱敏后数据，生成出针对明文数据的重构数据。进而根据明文数据和脱敏后数据，以及明文数据对应的重构数据，确定通过脱敏后数据得到明文数据的最小错误率。最后根据最小错误率，对明文数据的脱敏后数据进行风险检测。通过本说明书中的方法能够精准的识别出对原明文数据所对应的脱敏数据是否具有泄露明文数据的风险，有效提高了原明文数据在使用和传输时的安全性，极大程度上维护了原明文数据所属用户或团体的信息安全和数据隐私。
-
公开(公告)号：CN117593004A
公开(公告)日：2024-02-23
申请号：CN202311632407.1
申请日：2023-11-30
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数据处理方法、装置及设备，其中，方法包括：通过预先训练的风险检测模型，对目标数据进行风险检测处理，得到第一预测管控策略、策略更新信息以及第二预测管控策略，风险检测模型为通过预设多任务学习算法构建的模型，第一处理网络用于基于特征挖掘层的输出结果生成第一预测管控策略，第二处理网络用于基于特征挖掘层的输出结果生成策略更新信息，所述第三处理网络用于基于所述第一处理网络提取出的特征表示和所述第二处理网络提取出的特征表示之间的关联关系，生成所述第二预测管控策略；基于所述第一预测管控策略、策略更新信息以及第二预测管控策略，对所述目标用户触发执行所述目标交易进行风险管控处理。
-
公开(公告)号：CN117251730A
公开(公告)日：2023-12-19
申请号：CN202311176867.8
申请日：2023-09-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/2131 , G06F18/241 , G06N3/0455 , G06Q40/00
Abstract: 本说明书公开了一种风控模型的预训练方法、装置、存储介质及电子设备，在对风控模型进行预训练时，可获取风控样本，将风控样本分别输入待训练的风控模型的各编码端，得到各编码端输出的各编码结果。根据各编码结果和预训练任务，确定各编码端对应的损失，根据确定出的各编码端对应的损失，确定各编码端的损失权重。根据各编码端的损失权重，对各编码端对应的损失进行加权，得到最终损失，根据最终损失，对待训练的风控模型中的各编码端进行训练。在对风控模型进行多任务预训练时，根据每个任务对应的编码端的损失，确定各编码端损失的权重，从而得到最终损失，平衡了训练风控模型时各训练任务的损失收敛速度，使得各训练任务可在相同时刻收敛。
-
Patent Agency Ranking
公开(公告)号：CN116957329A
公开(公告)日：2023-10-27
申请号：CN202310868025.2
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/22 , G06F16/36
Abstract: 本说明书公开了一种风险识别方法、装置、设备及可读存储介质，通过待识别业务对象的特征和各候选业务对象的特征之间的相似度，从各候选业务对象中确定待识别业务对象的各关联业务对象，进而以待识别业务对象和各关联对象分别为节点，以待识别业务对象和各关联对象之间的业务关系为边，构建目标拓扑图，将目标拓扑图和各节点的特征作为输入，通过风险识别模型得到待识别业务对象的预测风险类型。可见，通过特征相似度，将对识别出待识别业务对象的预测风险类型更为重要的关联对象筛选出来构建目标拓扑图，不仅提高了风险识别的准确度和隐私数据的安全性，还降低风险识别模型的输入的维度，减少了计算资源的耗费。
-
公开(公告)号：CN116562931A
公开(公告)日：2023-08-08
申请号：CN202310535509.5
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0207 , G06N20/00 , G06Q20/40
Abstract: 本说明书提供一种消费券交易数据处理方法、装置、设备及存储介质，通过获取发送消费券领取请求的账户的用户设备信息、用户历史交易信息，基于用户设备信息对发起消费券领取请求的设备进行位置篡改识别，并基于用户历史交易信息对用户的领券意图进行识别，基于位置篡改识别的结果和领券意图识别结果，确定消费券领取请求是否存在风险，以确定是否发放消费券。可以实现对真实用户进行消费券作弊恶意交易的行为进行准确的风险识别，消费券发放可以确保用户身份真实可靠的基础上，确定消费券发送的公平性，比如抢券的用户确实是本人在活动规定区域操作，用户的抢券意图有真实消费的可能，以提高消费券交易风险识别的准确性，确保消费券交易的安全性。
-
公开(公告)号：CN116306991A
公开(公告)日：2023-06-23
申请号：CN202310260591.5
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例提供了多种基于联邦学习的数据处理方法、装置及设备，其中一种方法包括：联邦学习客户端基于预先训练的目标模型中的编码器对目标数据的编码结果，确定目标数据对应的编码检测结果，再将目标数据对应的编码检测结果发送给联邦学习服务端，并接收联邦学习服务端发送的目标数据对应的异常检测结果，目标数据对应的异常检测结果为联邦学习服务端基于编码检测结果，以及由预先训练的目标模型中的检测子模型和联邦学习客户端发送的目标数据对应的编码检测结果确定的目标数据与每个预设数据分布的匹配概率，确定的检测结果，联邦学习客户端基于目标数据对应的异常检测结果，确定目标数据是否存在异常。
-
公开(公告)号：CN120010923A
公开(公告)日：2025-05-16
申请号：CN202510080708.0
申请日：2025-01-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种大模型微调方法、装置、存储介质及电子设备。在本说明书提供的大模型微调方法中，获取用于微调目标大模型的样本微调指令；根据所述样本微调指令实现的功能对所述样本微调指令进行分解，得到分解指令序列；确定与所述分解指令序列中包含的每个分解指令对应的步骤回答，构成步骤回答序列；根据所述分解指令的数量，确定微调轮数；针对每一轮微调，确定该轮微调中所需的目标分解指令，将该目标分解指令和所述分解指令序列中该目标分解指令前的所有分解指令确定为微调分解指令；采用所述微调分解指令以及与各微调分解指令对应的各步骤回答对所述目标大模型进行微调，直到进行微调的次数达到所述微调轮数。
-
公开(公告)号：CN119760342A
公开(公告)日：2025-04-04
申请号：CN202411805692.7
申请日：2024-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06F123/02
Abstract: 本说明书实施例提供一种预测用户行为的方法和装置。方法包括：获取目标用户在目标时刻之前的最近m次交互行为形成的第一行为序列，根据第一行为序列形成第一特征序列；根据目标用户的静默时长确定第一衰减状态向量，其中静默时长为该用户在目标时刻前最后一次交互事件距离目标时刻的时长；将第一衰减状态向量作为LSTM单元的单元状态向量，将根据第一特征序列确定的第二特征序列作为待处理序列，共同输入长短期记忆LSTM神经网络进行序列处理，得到第一输出特征序列；根据第一输出特征序列，确定目标用户在目标时刻的用户表征；根据用户表征，预测目标用户在目标时刻的交互行为。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.04 seconds)
