【技术实现步骤摘要】
对操作事件进行风险评估的神经网络系统、方法及装置
本说明书一个或多个实施例涉及人工智能和机器学习领域，尤其涉及利用神经网络系统评估用户操作事件的风险度的方法和装置。
技术介绍
随着计算机网络的快速发展，网络安全问题日益突出。存在多种高风险操作行为，例如盗取账户、流量攻击、欺诈交易等等，有可能威胁网络安全或用户信息安全。出于网络安全和风险防控的考虑，在许多场景下，需要对用户操作行为或操作事件进行分析和处理，评估用户操作行为的风险程度，以便进行风险防控。为了评估某项操作行为的风险度，可以基于该项操作行为本身的特征进行分析。进一步地，还可以更全面地考虑用户的行为序列。行为序列是用户在日常操作使用中产生的一系列点击、访问、购买等事件的发生过程，可表示为事件集合的时间序列，它蕴含了用户的细粒度习惯偏好等特点，便于更全面地分析用户的操作历史和操作模式。然而，不管是操作事件还是行为序列数据，都面临特征表征和特征刻画的问题，也就是，要从巨大的特征空间中抽取出有代表性的聚集性特征，用于刻画操作事件的风险度。特征抽取的工作往往由业务人员...
【技术保护点】
1.一种用于对用户操作事件进行风险评估的神经网络系统，包括：/n第一输入层，用于获取第一事件序列，所述第一事件序列包括按照时间顺序依次排列的第一用户的多个操作事件，所述多个操作事件包括有待评估的当前操作事件，以及至少一个历史操作事件，每个操作事件具有对应的多项属性信息；/n第一嵌入层，包括编码层和第一组合层，所述编码层用于针对所述多个操作事件中的各个操作事件，将该操作事件的多项属性信息转换为对应的多个特征向量；所述第一组合层用于对所述多个特征向量进行第一向量组合，得到该操作事件对应的第一嵌入向量，其中所述第一向量组合包括，涉及N个特征向量相乘的N阶向量间组合运算，其中N&g...
【技术特征摘要】
1.一种用于对用户操作事件进行风险评估的神经网络系统，包括：
第一输入层，用于获取第一事件序列，所述第一事件序列包括按照时间顺序依次排列的第一用户的多个操作事件，所述多个操作事件包括有待评估的当前操作事件，以及至少一个历史操作事件，每个操作事件具有对应的多项属性信息；
第一嵌入层，包括编码层和第一组合层，所述编码层用于针对所述多个操作事件中的各个操作事件，将该操作事件的多项属性信息转换为对应的多个特征向量；所述第一组合层用于对所述多个特征向量进行第一向量组合，得到该操作事件对应的第一嵌入向量，其中所述第一向量组合包括，涉及N个特征向量相乘的N阶向量间组合运算，其中N>＝2；
第二嵌入层，用于对所述多个操作事件对应的多个第一嵌入向量进行第二向量组合，得到所述第一事件序列对应的第二嵌入向量；
全连接处理层，用于对所述第二嵌入向量进行处理，得到处理向量；
输出层，用于至少根据所述处理向量，确定所述当前操作事件的风险评估结果。
2.根据权利要求1所述的神经网络系统，其中，所述至少一个历史操作事件是从所述当前操作事件向前回溯预定范围的历史操作事件，所述预定范围包括预定时间范围和/或预定事件数量。
3.根据权利要求1所述的神经网络系统，其中，所述多项属性信息包括以下中的多项：用户操作行为的行为类型，行为时间，用户操作所使用的设备信息，浏览器类型，app版本，交易行为的涉及金额，付款渠道，交易对象。
4.根据权利要求1或3所述的神经网络系统，其中，各个所述历史操作事件的多项属性信息包括，历史操作事件的操作结果。
5.根据权利要求1所述的神经网络系统，其中，所述多项属性信息包括第一属性信息，所述第一属性信息的属性取值为有限多个；所述编码层具体用于：采用独热one-hot编码，将所述第一属性信息编码为对应的特征向量。
6.根据权利要求1所述的神经网络系统，其中，所述多项属性信息包括第二属性信息，所述第二属性信息包括描述属性的文字；所述编码层包括卷积神经网络CNN或循环神经网络RNN，用于对所述第二属性信息进行词嵌入，得到对应的特征向量。
7.根据权利要求1所述的神经网络系统，其中，所述第一组合层具体用于：
对所述多个特征向量进行线性组合运算，以及进行N阶之内的向量间组合运算；
将各组合运算的结果求和，基于求和结果得到所述第一嵌入向量。
8.根据权利要求1所述的神经网络系统，其中，所述第二嵌入层包括基于时序的神经网络，用于依次迭代处理所述多个操作事件对应的多个第一嵌入向量，得到所述第二嵌入向量。
9.根据权利要求1所述的神经网络系统，其中，所述第二嵌入层具体用于：
对所述多个第一嵌入向量进行线性组合运算，以及进行M阶之内的向量间组合运算，基于各组合运算的求和，得到所述第二嵌入向量，其中M>＝2。
10.根据权利要求1所述的神经网络系统，其中，所述第二嵌入层包括：
第三组合层，用于对所述至少一个历史操作事件对应的至少一个第一嵌入向量进行第三向量组合，得到第三嵌入向量；
第四组合层，用于将所述第三嵌入向量与所述当前操作事件对应的第一嵌入向量进行第四向量组合，得到所述第二嵌入向量。
11.根据权利要求10所述的神经网络系统，其中，所述第三组合层包括基于时序的神经网络，用于依次迭代处理所述至少一个第一嵌入向量，得到所述第三嵌入向量。
12.根据权利要求10所述的神经网络系统，其中，所述第三组合层具体用于：
对所述至少一个第一嵌入向量进行线性组合运算，以及M阶之内的向量间组合运算，基于各组合运算的求和，得到所述第三嵌入向量，其中M>＝2。
13.根据权利要求10所述的神经网络系统，其中，所述第四向量组合包括，向量拼接，或向量线性组合。
14.根据权利要求1所述的神经网络系统，还包括：
第二输入层，用于获取与所述第一用户有关的综合特征信息，并将所述综合特征信息表示为第四嵌入向量；
所述输出层具体用于：根据所述处理向量以及所述第四嵌入向量，确定所述当前操作事件的评估结果。
15.根据权利要求14所述的神经网络系统，其中，所述综合特征信息包括，所述第一用户的属性特征，以及所述第一用户的历史操作事件的统计特征。
16.一种通过神经网络系统对用户操作事件进行风险评估的方法，所述方法包括：
获取第一事件序列，所述第一事件序列包括按照时间顺序依次排列的第一用户的多个操作事件，所述多个操作事件包括有待评估的当前操作事件，以及至少一个历史操作事件，每个操作事件具有对应的多项属性信息；
对于所述多个操作事件中各个操作事件，将该操作事件的多项属性信息转换为对应的多个特征向量，对所述多个特征向量进行第一向量组合，得到该操作事件对应的第一嵌入向量，其中所述第一向量组合包括，涉及N个特征向量相乘的N阶向量间组合运算，其中N>＝2；
对所述多个操作事件对应的多个第一嵌入向量进行第二向量组合，得到所述第一事件序列对应的第二嵌入向量；
对所述第二嵌入向量进行...
【专利技术属性】
技术研发人员：宋博文，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。