一种业务风险的评估方法、装置、设备及可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029556A(43)申请公布日2023.04.28(21)申请号202310297677.5G06N3/08(2023.01)(22)申请日2023.03.21(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人陆奕强(74)专利代理机构北京博思佳知识产权代理有限公司11415专利代理师邓超(51)Int.Cl.G06Q10/0635(2023.01)G06F18/24(2023.01)G06N3/042(2023.01)G06N3/0455(2023.01)G06N3/0464(2023.01)权利要求书3页说明书13页附图4页(54)发明名称一种业务风险的评估方法、装置、设备及可读存储介质(57)摘要本发明公开了一种业务风险的评估方法、装置、设备及可读存储介质，通过将除指定类型的数据外的其他类型的数据对应的特征替换为不影响识别模型的输出结果的参考特征，并将指定类型的数据对应的特征和参考特征进行融合得到第二融合特征。之后，基于根据各类型的数据的特征得到的第一融合特征和第二融合特征，通过识别模型的分类层，得到待识别业务数据对应的业务所述的业务类别，并以此评估业务风险。可见，通过参考特征得到第二融合特征，并根据第一融合特征和第二融合特征之间的差异得到的业务类别，改善了由于识别模型训练样本分布不均衡导致模型识别能力存在偏差的问题，提升了业务风险评估的准确性和隐私信息的安全性。CN116029556ACN116029556A权利要求书1/3页1.一种业务风险的评估方法，所述方法包括：获取待识别业务数据，所述待识别业务数据包含多个不同类型的数据；针对所述待识别业务数据包含的每个类型的数据，将该类型的数据输入预先训练的识别模型中该类型对应的编码层，得到该类型的数据对应的特征；将各类型的数据对应的特征进行融合，得到第一融合特征；从所述待识别业务数据中选择指定类型的数据，并将除所述指定类型的数据外的其他类型的数据对应的特征替换为不影响所述识别模型的输出结果的参考特征；将所述指定类型的数据对应的特征和所述参考特征进行融合，得到第二融合特征；根据第一融合特征和所述第二融合特征之间的差异，通过所述识别模型的分类层，得到所述分类层输出的所述待识别业务数据对应的业务所属的业务类别；根据所述业务类别评估所述待识别业务数据对应的业务风险。2.如权利要求1所述的方法，将各类型的数据对应的特征进行融合，得到第一融合特征，具体包括：将各类型的数据对应的特征进行拼接，并将拼接后的特征输入所述识别模型的特征融合层，得到所述特征融合层输出的中间融合特征；根据所述各类型的数据对应的特征和所述中间融合特征，确定第一融合特征。3.如权利要求1所述的方法，将除所述指定类型的数据外的其他类型的数据对应的特征替换为不影响所述识别模型的输出结果的参考特征，具体包括：确定随机特征作为不影响所述识别模型的输出结果的参考特征；将所述除所述指定类型的数据外的其他类型的数据对应的特征替换为所述随机特征。4.如权利要求1所述的方法，将除所述指定类型的数据外的其他类型的数据对应的特征替换为不影响所述识别模型的输出结果的参考特征，具体包括：获取所述识别模型在模型训练过程中存储的各类型的数据的历史特征；针对除所述指定类型的数据外的其他类型的数据中的每个其他类型的数据，从所述历史特征中查找该其他类型的数据对应的各候选特征；根据该其他类型的数据对应的各候选特征，确定该其他类型的数据对应的参考特征；将该其他类型的数据对应的特征替换为该其他类型的数据对应的参考特征。5.如权利要求1所述的方法，从所述待识别业务数据中选择指定类型的数据，具体包括：获取所述识别模型的训练样本；其中，所述训练样本为包含多个不同类型的数据的历史业务数据；分别确定所述训练样本包含的各类型的数据对所述识别模型的输出结果的影响程度；将所述影响程度高于预设阈值的类型作为指定类型，并从所述待识别业务数据中选择所述指定类型的数据。6.如权利要求1所述的方法，所述待识别业务数据包含业务图像，所述业务图像包括服务提供方预先提供的图像，和用户执行所述待识别业务数据对应的业务时获取的图像中的至少一种。7.如权利要求1所述的方法，预先训练识别模型，具体包括：预先获取历史业务数据作为训练样本，并获取所述历史业务数据对应的历史业务所属2CN116029556A权利要求书2/3页的业务类别作为所述训练样本的标签；针对所述训练样本包含的每个类型的数据，将该类型的数据输入待训练的识别模型的该类型对应的编码层，得到该类型的数据对应的特征；将所述训练样本包含的各类型的数据对应的特征融合，确定所述训练样本的融合特征；将所述训