建立风险识别模型的方法及对应装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115293872A(43)申请公布日2022.11.04(21)申请号202210793704.3(22)申请日2022.07.07(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)发明人李金膛陈亮吴若凡朱亮田胜但家旺孟昌华王维强(74)专利代理机构济南信达专利事务所有限公司37100专利代理师李世喆(51)Int.Cl.G06Q40/02(2012.01)G06F30/27(2020.01)G06K9/62(2022.01)G06F119/02(2020.01)权利要求书2页说明书11页附图4页(54)发明名称建立风险识别模型的方法及对应装置(57)摘要本说明书实施例提供了一种建立风险识别模型的方法及对应装置。其中方法包括：获取利用用户的网络行为数据构建的异构网络图，异构网络图包括节点和边，节点包括行为主体和行为对象，边依据行为主体和行为对象之间的行为关系确定；对异构网络图中的边进行掩膜处理，得到掩膜子图和剩余子图；利用剩余子图和掩膜子图训练图自编码器；其中，图自编码器包括编码网络和第一解码网络；编码网络利用输入的剩余子图得到各节点的表征向量，第一解码网络利用各节点的表征向量预测被掩膜的边，训练目标包括：最小化预测结果与掩膜子图之间的差异；利用训练得到的图自编码器中的编码网络，构建风险识别模型。本申请能够提高风险识别模型的识别效果。CN115293872ACN115293872A权利要求书1/2页1.一种建立风险识别模型的方法，其特征在于，该方法包括：获取利用用户的网络行为数据构建的异构网络图，所述异构网络图包括节点和边，所述节点包括行为主体和行为对象，所述边依据行为主体和行为对象之间的行为关系确定；对所述异构网络图中的边进行掩膜处理，得到掩膜子图和剩余子图；利用所述剩余子图和掩膜子图训练所述图自编码器；其中，所述图自编码器包括编码网络和第一解码网络；所述编码网络利用输入的所述剩余子图得到各节点的表征向量，所述第一解码网络利用所述各节点的表征向量预测被掩膜的边，训练目标包括：最小化预测结果与掩膜子图之间的差异；利用训练得到的图自编码器中的编码网络，构建风险识别模型。2.根据权利要求1所述的方法，其特征在于，对所述异构网络图中的边进行掩膜处理包括：对所述异构网络图中的边进行随机采样，将采样得到的M个边构成掩膜子图，将所述异构网络图中采样的M个边进行掩膜处理后得到剩余子图；或者，对所述异构网络图中的边进行随机采样，将采样得到的M1个边作为根节点；分别将各根节点作为起点进行路径随机游走，得到的各条路径构成掩膜子图，将所述各条路径包含的M2个边进行掩膜处理后得到剩余子图；其中，所述M、M1和M2为正整数。3.根据权利要求1所述的方法，其特征在于，所述图自编码器还包括第二解码网络，所述第二解码网络利用所述各节点的表征向量预测各节点的度；所述训练目标还包括：最小化所述第二解码网络的预测结果与所述异构网络图中各节点的度之间的差异。4.根据权利要求3所述的方法，其特征在于，利用所述剩余子图和掩膜子图训练所述图自编码器包括：在每一轮迭代中确定总训练损失，所述总训练损失由第一训练损失和第二训练损失确定，所述第一训练损失由所述第一解码网络的预测结果与掩膜子图之间的差异得到，所述第二训练损失由所述第二解码网络的预测结果与所述异构网络图中各节点的度之间的差异得到；利用所述总训练损失的值更新所述图自编码器的模型参数，直至达到预设的训练结束条件。5.根据权利要求1所述的方法，其特征在于，所述风险识别模型用以对所述异构网络图中的目标节点、目标边或目标子图进行风险识别。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述利用训练得到的图自编码器中的编码网络，构建风险识别模型包括：获取风险识别模型的训练数据；利用所述训练数据，在训练得到的图自编码器中的编码网络上进行风险识别模型的迁移学习，其中所述风险识别模型包括所述编码网络和分类网络。7.根据权利要求6所述的方法，其特征在于，所述获取风险识别模型的训练数据包括以下至少一种：从所述异构网络图中获取被标注为风险用户和非风险用户的节点作为训练数据；或者，2CN115293872A权利要求书2/2页从所述异构网络图中获取被标注为风险行为和非风险行为的边作为训练数据；或者，从所述异构网络图中获取被标注为风险用户集合和非风险用户集合的子图作为训练数据。8.一种建立风险识别模型的装置，其特征在于，该装置包括：图获取单元，被配置为获取利用用户的网络行为数据构建的所述异构网络图，所述异构网络图包括节点和边，所述节点包括行为主体和行为对象，所述边依据行为主体和行为对象之间的行为关系确定；图