【技术实现步骤摘要】
数据的处理方法、装置及设备
[0001]本文件涉及数据处理
，尤其涉及一种数据的处理方法、装置及设备。
技术介绍
[0002]随着计算机技术的不断发展，终端设备成为人们生活和工作的必需品，终端设备可以为用户提供的服务越来越多，为保证用户的信息安全，可以通过风险识别模型对用户触发执行的业务是否存在风险进行识别。
[0003]但是，由于风险场景变化速度较快，样本数据较少，这就会导致训练得到的风险识别模型的识别准确性差，因此，需要一种能够提高风险识别模型的识别准确性的解决方案。
技术实现思路
[0004]本说明书实施例的目的是提供一种能够提高风险识别模型的识别准确性的解决方案。
[0005]为了实现上述技术方案，本说明书实施例是这样实现的：
[0006]第一方面，本说明书实施例提供了一种数据的处理方法，所述方法包括：获取第一对象的第一行为数据和所述第一对象的风险标签；基于所述第一行为数据生成第二行为数据，所述第二行为数据与所述第一行为数据之间的相似度小于预设相似度；基于预先训练的因果推...
【技术保护点】
【技术特征摘要】
1.一种数据的处理方法，所述方法包括：获取第一对象的第一行为数据和所述第一对象的风险标签；基于所述第一行为数据生成第二行为数据，所述第二行为数据与所述第一行为数据之间的相似度小于预设相似度；基于预先训练的因果推断模型和所述第二行为数据，得到所述第二行为数据对应的第一特征向量，所述第一特征向量为所述预先训练的因果推断模型基于所述第二行为数据内的不同数据之间的依赖关系，生成的能够表征所述第二行为数据内的不同数据之间相关性的特征向量；将所述第一对象的风险标签确定为所述第一特征向量的风险标签，并基于所述第一特征向量和所述第一特征向量的风险标签，对由深度学习算法构建的风险识别模型进行对抗训练，得到训练后的风险识别模型，所述训练后的风险识别模型用于对待识别的目标对象进行风险识别处理，得到针对所述目标对象的风险识别结果。2.根据权利要求1所述的方法，所述基于所述第一特征向量和所述第一特征向量的风险标签，对由深度学习算法构建的风险识别模型进行训练，得到训练后的风险识别模型，包括：基于所述第二行为数据的数量，获取第二对象的第三行为数据和所述第二对象的风险标签；确定所述第三行为数据对应的第二特征向量，并将所述第二对象的风险标签确定为所述第二特征向量的风险标签；基于所述第一特征向量、所述第一特征向量的风险标签、所述第二特征向量和所述第二特征向量的风险标签，对所述风险识别模型进行对抗训练，得到所述训练后的风险识别模型。3.根据权利要求2所述的方法，在所述基于预先训练的因果推断模型和所述第二行为数据，得到所述第二行为数据对应的第一特征向量之前，还包括：获取历史对象的历史行为数据，以及所述历史行为数据对应的历史特征向量；基于所述历史行为数据和所述历史特征向量，对由贝叶斯网络构建的所述因果推断模型进行训练，得到训练后的因果推断模型。4.根据权利要求3所述的方法，所述方法还包括：获取目标场景下所述待识别的目标对象的目标行为数据，所述目标对象包括目标业务和/或目标账户；确定所述目标行为数据对应的目标特征向量，并基于所述训练后的风险识别模型和所述目标特征向量，确定针对所述目标对象的风险识别结果；基于所述风险识别结果，确定所述目标场景下所述目标对象是否存在风险。5.根据权利要求4所述的方法，所述确定所述目标行为数据对应的目标特征向量，包括：基于所述预先训练的因果推断模型和所述目标行为数据，确定所述目标行为数据对应的目标特征向量。6.根据权利要求5所述的方法，所述基于所述第一行为数据生成第二行为数据，包括：获取所述第一行为数据内的多个属性数据；
基于预设变换规则，对所述属性数据进行变换处理，得到变换处理后的属性数据，并基于所述变换处理后的属性数据，确定所述第二行为数据。7.根据权利要求5所述的方法，所述基于所述第一行为数据生成第二行为数据，包括：基于预先训练的生成式对抗网络模型和所述第一行为数据，生成与所述第一行为数据对应的对抗行为数据，并将所述对抗行为数据确定为所述第二行为...
【专利技术属性】
技术研发人员：许小龙，张长浩，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：
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。