-
公开(公告)号：CN112165456A
公开(公告)日：2021-01-01
申请号：CN202010922264.8
申请日：2020-09-04
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆逊
Abstract: 本说明书实施例公开了一种劫持流量识别方法、装置及电子设备，其中，所述方法可以在接收到待识别流量后，获取与待识别流量相关的多个第一访问主体在第一历史时段内的访问数据并进行统计，以确定这多个第一访问主体下的至少一个统计指标在预设周期内的值按时间顺序排列而成的时间序列，得到多个时间序列；基于这多个时间序列构建待识别流量的特征矩阵并输入预设卷积神经网络，得到待识别流量是否属于劫持流量的评价参数，其中，预设卷积神经网络是基于样本流量的特征矩阵训练得到的，样本流量的特征矩阵的构建方式与待识别流量的特征矩阵的构建方式一致；最后基于所述评价参数，可以识别所述待识别流量是否属于劫持流量。
-
公开(公告)号：CN115567371B
公开(公告)日：2023-03-10
申请号：CN202211460171.3
申请日：2022-11-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0631 , H04L41/142
Abstract: 本说明书公开了一种异常检测方法、装置、设备及可读存储介质，基于每个第一检测模型输出的第一训练样本的第一异常概率，对第一训练样本排序，得到第一训练样本对应于该第一检测模型的次序，针对每个第一训练样本，将该第一训练样本对应于每个第一检测模型的次序进行融合，得到该第一训练样本的第二异常概率作为标签，并根据各第一训练样本及其标签，训练第二检测模型，以根据训练后的第二检测模型，确定待检测事件的异常概率。可见，采用对各第一训练样本对应于第一检测模型的次序进行融合，解决了不同检测模型预测的异常概率分布不同的问题，用融合得到第二异常概率训练第二检测模型，提高了线上异常检测的响应效率和隐私信息的安全性。
-
公开(公告)号：CN118885755A
公开(公告)日：2024-11-01
申请号：CN202410994650.6
申请日：2024-07-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/25 , G06Q30/0202 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本说明书实施例提供时序数据预测方法、时序预测模型的训练方法、销量预测方法及装置，其中时序数据预测方法包括：获取目标事务在第一预设时长内的待测时序数据；根据至少两个划分尺度对待测时序数据进行划分，构建多尺度输入数据，其中，多尺度输入数据包括各划分尺度对应的尺度数据；利用时序预测模型，确定多尺度输入数据中各划分尺度对应的尺度预测结果；利用时序预测模型，基于各划分尺度对应的尺度预测结果，确定目标事务在第二预设时长内的目标尺度预测结果。实现了基于不同的划分尺度分别对待测时序数据进行时序预测，能够更全面地捕捉待测时序数据中的各种变化趋势，提高时序数据预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116306975A
公开(公告)日：2023-06-23
申请号：CN202310247759.9
申请日：2023-03-10
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风险检测模型的训练方法及装置，通过从各种交易数据的海量样本中确定备选样本，再结合基于业务场景对应话术及预设的对话特征，确定风险样本。这样，可以弥补在风险样本识别的过程中存在风险样本遗漏的问题，在有限的预算下获取更多更精准的风险样本。之后，基于风险样本训练风险检测模型，进而得到精准的风险检测模型。
-
公开(公告)号：CN115567371A
公开(公告)日：2023-01-03
申请号：CN202211460171.3
申请日：2022-11-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0631 , H04L41/142
Abstract: 本说明书公开了一种异常检测方法、装置、设备及可读存储介质，基于每个第一检测模型输出的第一训练样本的第一异常概率，对第一训练样本排序，得到第一训练样本对应于该第一检测模型的次序，针对每个第一训练样本，将该第一训练样本对应于每个第一检测模型的次序进行融合，得到该第一训练样本的第二异常概率作为标签，并根据各第一训练样本及其标签，训练第二检测模型，以根据训练后的第二检测模型，确定待检测事件的异常概率。可见，采用对各第一训练样本对应于第一检测模型的次序进行融合，解决了不同检测模型预测的异常概率分布不同的问题，用融合得到第二异常概率训练第二检测模型，提高了线上异常检测的响应效率和隐私信息的安全性。
-
公开(公告)号：CN112165456B
公开(公告)日：2022-05-06
申请号：CN202010922264.8
申请日：2020-09-04
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆逊
Abstract: 本说明书实施例公开了一种劫持流量识别方法、装置及电子设备，其中，所述方法可以在接收到待识别流量后，获取与待识别流量相关的多个第一访问主体在第一历史时段内的访问数据并进行统计，以确定这多个第一访问主体下的至少一个统计指标在预设周期内的值按时间顺序排列而成的时间序列，得到多个时间序列；基于这多个时间序列构建待识别流量的特征矩阵并输入预设卷积神经网络，得到待识别流量是否属于劫持流量的评价参数，其中，预设卷积神经网络是基于样本流量的特征矩阵训练得到的，样本流量的特征矩阵的构建方式与待识别流量的特征矩阵的构建方式一致；最后基于所述评价参数，可以识别所述待识别流量是否属于劫持流量。
-
公开(公告)号：CN113191434A
公开(公告)日：2021-07-30
申请号：CN202110493567.7
申请日：2021-05-07
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训练风险识别模型的方法和装置。根据该实施例的方法，首先确定新增任务；然后确定所述新增任务与已训练得到的第一风险识别模型对应的已有任务之间的相似性；若所述相似性满足预设的条件，则依据所述新增任务在所述第一风险识别模型中修改结构，所述修改结构包括新增结构和/或删除结构；最后采用增量学习算法，利用所述新增任务对包含修改结构的第一风险识别模型进行模型参数的更新，得到第二风险识别模型。
-
公开(公告)号：CN110796497A
公开(公告)日：2020-02-14
申请号：CN201911055515.0
申请日：2019-10-31
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆逊
Abstract: 本说明书实施例提供检测异常操作行为的方法以及装置，其中所述检测异常操作行为的方法包括：通过自编码器对输入的操作行为数据样本进行降维，以降维数据作为估计网络的输入来确定高斯混合模型的分布，根据分布确定基于操作行为的高斯混合模型，在达到自编码器数据重构后误差最小、且操作行为数据样本由所述基于操作行为的高斯混合模型生成的概率最大的目标的情况下，可以利用该基于操作行为的高斯混合模型，输出所述操作行为数据样本由所述基于操作行为的高斯混合模型生成的异常信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
