基于用户操作判断业务风险的方法和装置制造方法及图纸

本说明书实施例提供一种基于用户操作判断业务风险的方法和装置，方法包括：客户端接收针对目标业务的第一操作，目标业务是多种服务业务之一，第一操作是向服务端提交目标业务的业务请求之前的预定操作；响应于第一操作，在第一执行链路中，获取用户通过客户端执行的历史操作序列，将历史操作序列对应的特征序列输入预先训练的风险预测模型，得到目标业务的风险分数，将风险分数发送给服务端；在与第一执行链路并行执行的第二执行链路中，对目标业务进行继续处理，直至向服务端提交目标业务的业务请求；以使服务端根据业务请求和风险分数，判断目标业务是否具有预设类别的风险。能够确保高准确率、低耗时。低耗时。低耗时。

【技术实现步骤摘要】
基于用户操作判断业务风险的方法和装置


[0001]本说明书一个或多个实施例涉及计算机领域，尤其涉及基于用户操作判断业务风险的方法和装置。

技术介绍

[0002]当前，常常由客户端和服务端配合为用户提供服务业务。用户在使用客户端的过程中，会产生一系列的用户操作，例如，登录、修改密码、浏览特定页面等，用户操作中的反常举动预示着一定的业务风险，基于用户操作可以帮助判断目标业务是否具有业务风险。
[0003]现有技术中，在基于用户操作判断业务风险时，由于客户端性能的限制，通常都是由服务端进行的，由于客户端存在海量的数据不能实时回传，这部分数据无法在判断目标业务是否有风险的时候被有效利用，从而导致识别风险的准确率较低。
[0004]因此，希望能有改进的方案，能够在基于用户操作判断业务风险时，确保高准确率、低耗时。

技术实现思路

[0005]本说明书一个或多个实施例描述了一种基于用户操作判断业务风险的方法和装置，能够在基于用户操作判断业务风险时，确保高准确率、低耗时。
[0006]第一方面，提供了一种基于用户操作判断业务风险的方法，该方法由客户端执行，所述客户端提供多种服务业务，方法包括：
[0007]接收针对目标业务的第一操作，所述目标业务是所述多种服务业务之一，所述第一操作是向服务端提交所述目标业务的业务请求之前的预定操作；
[0008]响应于所述第一操作，在第一执行链路中，获取用户通过所述客户端执行的历史操作序列，将所述历史操作序列对应的特征序列输入预先训练的风险预测模型，得到所述目标业务的风险分数，将所述风险分数发送给所述服务端；
[0009]在与所述第一执行链路并行执行的第二执行链路中，对所述目标业务进行继续处理，直至向所述服务端提交所述目标业务的业务请求；以使所述服务端根据所述业务请求和所述风险分数，判断所述目标业务是否具有预设类别的风险。
[0010]在一种可能的实施方式中，所述目标业务属于支付业务，所述第一操作包括以下之一：启动收银台，展示收钱码，展示付钱码。
[0011]在一种可能的实施方式中，所述历史操作序列包括针对所述目标业务之外的业务的操作。
[0012]在一种可能的实施方式中，所述历史操作序列包括：
[0013]所述服务端能够感知的粗粒度操作和所述服务端不能够感知的细粒度操作。
[0014]进一步地，所述粗粒度操作包括：
[0015]浏览、收藏或加购；
[0016]所述细粒度操作包括：
[0017]点击、滑动或曝光。
[0018]在一种可能的实施方式中，所述特征序列对应于多项特征；所述风险预测模型包括特征提取网络；所述特征提取网络用于通过卷积处理的方式，将同一操作的不同特征对应的表征聚合，得到对应于同一操作的融合表征向量。
[0019]进一步地，所述多项特征包括以下至少一项：
[0020]访问页面、页面停留时间、距离当前的时间间隔、绝对时间、日期。
[0021]进一步地，所述风险预测模型还包括编码器和对应于多个风险预测任务的各预测网络；
[0022]所述编码器用于根据各操作分别对应的融合表征向量，通过卷积处理和自注意力机制，得到各操作分别对应的各编码向量；
[0023]所述各预测网络中的任一预测网络基于所述各编码向量与其对应的风险预测任务的权重，对所述各编码向量进行加权求和，得到目标域表征向量，根据所述目标域表征向量，确定其对应的风险预测任务的风险分数。
[0024]进一步地，所述风险预测模型采用如下方式进行训练：
[0025]采用自监督代理任务对所述特征提取网络进行预训练；
[0026]将预训练后的所述特征提取网络的参数固定，利用训练样本具有的第一风险预测任务的标签对所述编码器和第一预测网络进行训练；其中，所述第一风险预测任务为所述多个风险预测任务中的任一风险预测任务，所述第一预测网络对应于所述第一风险预测任务。
[0027]进一步地，所述自监督代理任务包括：遮蔽所述特征序列中对应于同一操作的所有特征对应的特征值，预测遮蔽的部分或全部特征的特征值。
[0028]进一步地，所述风险预测模型采用如下方式进行训练：
[0029]利用训练样本具有的第一风险预测任务的标签对所述特征提取网络、所述编码器和第一预测网络进行训练；其中，所述第一风险预测任务为所述多个风险预测任务中的任一风险预测任务，所述第一预测网络对应于所述第一风险预测任务。
[0030]第二方面，提供了一种基于用户操作判断业务风险的装置，该装置设置于客户端，所述客户端提供多种服务业务，装置包括：
[0031]接收单元，用于接收针对目标业务的第一操作，所述目标业务是所述多种服务业务之一，所述第一操作是向服务端提交所述目标业务的业务请求之前的预定操作；
[0032]第一执行单元，用于响应于所述接收单元接收的第一操作，在第一执行链路中，获取用户通过所述客户端执行的历史操作序列，将所述历史操作序列对应的特征序列输入预先训练的风险预测模型，得到所述目标业务的风险分数，将所述风险分数发送给所述服务端；
[0033]第二执行单元，用于在与所述第一执行链路并行执行的第二执行链路中，对所述目标业务进行继续处理，直至向所述服务端提交所述目标业务的业务请求；以使所述服务端根据所述业务请求和所述风险分数，判断所述目标业务是否具有预设类别的风险。
[0034]第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。
[0035]第四方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执
行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。
[0036]通过本说明书实施例提供的方法和装置，首先客户端接收针对目标业务的第一操作，所述目标业务是所述多种服务业务之一，所述第一操作是向服务端提交所述目标业务的业务请求之前的预定操作；接着响应于所述第一操作，在第一执行链路中，获取用户通过所述客户端执行的历史操作序列，将所述历史操作序列对应的特征序列输入预先训练的风险预测模型，得到所述目标业务的风险分数，将所述风险分数发送给所述服务端；在与所述第一执行链路并行执行的第二执行链路中，对所述目标业务进行继续处理，直至向所述服务端提交所述目标业务的业务请求；以使所述服务端根据所述业务请求和所述风险分数，判断所述目标业务是否具有预设类别的风险。由上可见，本说明书实施例，由于确定风险分数是由客户端进行的，因此可以有效利用用户通过所述客户端执行的历史操作序列，使得确定的所述风险分数能够确保高准确率，并且在客户端向服务端提交所述目标业务的业务请求之前，就开始确定所述风险分数，从而可以利用上述接收第一操作与提交业务请求之间的时间差，在这段时间差内完成确定所述风险分数，因此可以确保低耗时。
附图说明
[0037]为了更清楚地说明本专利技术实施例的技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户操作判断业务风险的方法，所述方法由客户端执行，所述客户端提供多种服务业务，所述方法包括：接收针对目标业务的第一操作，所述目标业务是所述多种服务业务之一，所述第一操作是向服务端提交所述目标业务的业务请求之前的预定操作；响应于所述第一操作，在第一执行链路中，获取用户通过所述客户端执行的历史操作序列，将所述历史操作序列对应的特征序列输入预先训练的风险预测模型，得到所述目标业务的风险分数，将所述风险分数发送给所述服务端；在与所述第一执行链路并行执行的第二执行链路中，对所述目标业务进行继续处理，直至向所述服务端提交所述目标业务的业务请求；以使所述服务端根据所述业务请求和所述风险分数，判断所述目标业务是否具有预设类别的风险。2.如权利要求1所述的方法，其中，所述目标业务属于支付业务，所述第一操作包括以下之一：启动收银台，展示收钱码，展示付钱码。3.如权利要求1所述的方法，其中，所述历史操作序列包括针对所述目标业务之外的业务的操作。4.如权利要求1所述的方法，其中，所述历史操作序列包括：所述服务端能够感知的粗粒度操作和所述服务端不能够感知的细粒度操作。5.如权利要求4所述的方法，其中，所述粗粒度操作包括：浏览、收藏或加购；所述细粒度操作包括：点击、滑动或曝光。6.如权利要求1所述的方法，其中，所述特征序列对应于多项特征；所述风险预测模型包括特征提取网络；所述特征提取网络用于通过卷积处理的方式，将同一操作的不同特征对应的表征聚合，得到对应于同一操作的融合表征向量。7.如权利要求6所述的方法，其中，所述多项特征包括以下至少一项：访问页面、页面停留时间、距离当前的时间间隔、绝对时间、日期。8.如权利要求6所述的方法，其中，所述风险预测模型还包括编码器和对应于多个风险预测任务的各预测网络；所述编码器用于根据各操作分别对应的融合表征向量，通过卷积处理和自注意力机制，得到各操作分别对应的各编码向量；所述各预测网络中的任一预测网络基于所述各编码向量与其对应的风险预测任务的权重，对所述各编码向量进行加权求和，得到目标域表征向量，根据所述目标域表征向量，确定其对应的风险预测任务的风险分数。9.如权利要求8所述的方法，其中，所述风险预测模型采用如下方式进行训练：采用自监督代理任务对所述特征提取网络进行预训练；将预训练后的所述特征提取网络的参数固定，利用训练样本具有的第一风险预测任务的标签对所述编码器和第一预测网络进行训练；其中，所述第一风险预测任务为所述多个风险预测任务中的任一风险预测任务，所述第一预测网络对应于所述第一风险预测任务。10.如权利要求9所述的方法，其中，所述自监督代理任务包括：遮蔽所述特征序列中对应于同一操作的所有特征对应的特征值，预测遮蔽的部分或全部特征的特征值。
11.如权利要求8所述的方法，其中，所述风险预测模型采用如下方式进行训练：利用训练样本具有的第一风险预测任务的标签对所述特征提取网络、所述编码器和第一预测网络进行训练；其中，所述第一风险预测任务为所述多个风险预测任务中的任一风险预测任务，所述第一预测网络对应于所述第一风险预测任务。12.一种基于用户操作判断业务风险的装置，所述装置设置于客户端，所述客户端提供多种服务业务，所述装置包括：接收单元，用于接收针对目标业务的第一操作，所述目标业务是所述多种服务业务之一，所述第一操作是向服务端提交所述目标业务的业...

【专利技术属性】
技术研发人员：张长浩，傅欣艺，周璟，傅幸，王维强，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：