多场景风险识别方法及装置、介质、设备制造方法及图纸

本说明书实施例提供了一种多场景风险识别方法及装置、介质、设备。方法包括：根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；根据所述路由分配概率向量和所述N个表征向量中的至少一个表征向量，确定融合向量；根据所述融合向量，确定所述用户交易特征向量的风险识别结果。本发明专利技术可以降低成本，提高安全风险识别的准确性。提高安全风险识别的准确性。提高安全风险识别的准确性。

【技术实现步骤摘要】
多场景风险识别方法及装置、介质、设备


[0001]本说明书一个或多个实施例涉及神经网络
，尤其是涉及一种多场景风险识别方法及装置、介质、设备。

技术介绍

[0002]在风险防控领域中，有多种业务场景，例如，个人转账场景、发红包场景、商户交易场景，而每一种场景中可能存在多种安全风险，例如，欺诈风险、非法资产转移风险等。因此针对多个业务场景往往需要训练多个模型，这样模型训练的工作量非常大。因此通过一个通用模型识别出不同业务场景中的安全风险类别是非常有必要的，而目前的通用模型的识别准确率较低。

技术实现思路

[0003]本说明书一个或多个实施例描述了一种多场景风险识别方法及装置、介质、设备。
[0004]根据第一方面，本说明书实施例提供的多场景风险识别方法，包括：
[0005]根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；
[0006]将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；
[0007]根据所述路由分配概率向量和所述N个表征向量中的至少一个表征向量，确定融合向量；
[0008]根据所述融合向量，确定所述用户交易特征向量的风险识别结果。
[0009]根据第二方面，本说明书实施例提供的多场景风险识别装置，包括：
[0010]路由网络模块，用于根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；
[0011]表征网络模块，用于将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；
[0012]融合网络模块，用于根据所述路由分配概率向量和所述表征向量，确定融合向量；
[0013]决策网络模块，用于根据所述融合向量，确定所述用户交易特征向量的风险识别结果。
[0014]根据第三方面，本说明书实施例提供的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提供的方法。
[0015]根据第四方面，本说明书实施例提供的计算设备，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，实现第一方面提供的方法。
[0016]本说明书实施例提供的多场景风险识别方法及装置、介质、设备，首先根据用户交易特征向量确定对应的路由分配概率向量，然后将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量，进而根据所述路由分配概率向量和所述N个表征
向量中的至少一个表征向量，确定融合向量；最后根据所述融合向量，确定所述用户交易特征向量的风险识别结果。可见，本专利技术实施例通过路由分配概率实现与多个业务场景的适配，实现在多个业务场景下的安全风险识别。由于不必针对每一个业务场景训练一个单独的模型，因此可以降低成本，而且不必为了适配各个业务场景而进行参数折中，因此可以提高安全风险识别的准确性。
附图说明
[0017]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本说明书一个实施例中多场景风险识别方法的流程示意图；
[0019]图2是本说明书一个实施例中多场景风险识别装置的结构框图。
具体实施方式
[0020]下面结合附图，对本说明书提供的方案进行描述。
[0021]正如
技术介绍
中所说的，现有的通用模型的识别准确率较低，一方面是由于现有的通用模型需要适配多个业务场景，因此存在参数折中的问题，会降低模型识别的准确性。另一方面是因为不同业务场景下的用户交易行为数据之间的差异性比较大，在训练过程中占比较大的业务场景的样本会导致模型在最终决策上的偏重有所不同，进一步影响模型识别的准确性。
[0022]为此，本说明书实施例提供了一种多场景风险识别方法，该方法包括：根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；根据所述路由分配概率向量和所述N个表征向量中的至少一个表征向量，确定融合向量；根据所述融合向量，确定所述用户交易特征向量的风险识别结果。
[0023]下面描述以上构思的具体实现方式。
[0024]图1是本专利技术一个实施例中多场景风险识别方法的流程示意图。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。参见图1，多场景风险识别方法包括如下步骤S102～S108：
[0025]S102、根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；
[0026]S104、将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；
[0027]S106、根据所述路由分配概率向量和所述N个表征向量中的至少一个表征向量，确定融合向量；
[0028]S108、根据所述融合向量，确定所述用户交易特征向量的风险识别结果。
[0029]在图1示出的方法中，本专利技术实施例通过路由分配概率实现与多个业务场景的适
配，实现在多个业务场景下的安全风险识别。由于不必针对每一个业务场景训练一个单独的模型，因此可以降低成本。而且不必为了适配各个业务场景而进行参数折中，因此可以提高安全风险识别的准确性。
[0030]下面描述图1中各个步骤的执行方式。
[0031]S102、根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；
[0032]其中，用户交易特征向量是根据用户的交易行为数据确定的，可以体现用户的交易行为。
[0033]其中，路由分配概率可以理解为业务场景分配概率或者业务场景偏重概率。
[0034]其中，N为业务场景的数量，业务场景和路由分配概率是一一对应的，第i个路由分配概率体现的是用户的交易行为属于第i个业务场景的概率，即用户的交易行为命中第i个业务场景的概率。即，如果路由分配概率向量中的第1个路由分配概率最大，则说明用户交易行为属于第1个业务场景的概率是最大的。
[0035]在一个实施例中，所述S102具体可以包括如下步骤S2～S4：
[0036]S2、从所述用户交易特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多场景风险识别方法，包括：根据用户交易特征向量，确定对应的路由分配概率向量；其中，所述路由分配概率向量包括N个路由分配概率，N为大于1的正整数；将所述用户交易特征向量在N个业务场景中分别进行表征映射，得到N个表征向量；其中，N个业务场景、N个路由分配概率和N个表征向量一一对应；根据所述路由分配概率向量和所述N个表征向量中的至少一个表征向量，确定融合向量；根据所述融合向量，确定所述用户交易特征向量的风险识别结果。2.根据权利要求1所述的方法，其中，所述根据用户交易特征向量，确定对应的路由分配概率向量，包括：从所述用户交易特征向量中提取出场景特征元素组；其中，所述用户交易特征向量中包括n个元素，所述n个元素中的前m个元素形成所述场景特征元素组，n为大于1的正整数，m为所述用户交易特征向量中场景特征元素的数量，m为大于等于1且小于n的正整数；根据所述场景特征元素组，确定所述路由分配概率向量。3.根据权利要求2所述的方法，其中，所述根据所述场景特征元素组，确定所述路由分配概率向量，包括：根据所述场景特征元素组，确定每一个业务场景对应的路由分配分数；根据N个业务场景对应的路由分配分数，计算每一个业务场景对应的路由分配概率，并将N个路由分配概率形成所述路由分配概率向量。4.根据权利要求3所述的方法，其中，采用第一计算式计算第i个路由分配概率，所述第一计算式为：其中，x为所述用户交易特征向量，为x中的所述场景特征元素组，p
i
(x)为第i个路由分配概率，为第i个业务场景对应的路由分配分数，h()为用于计算路由分配分数的神经网络对应的函数，i、j均为大于等于1且小于等于N的正整数。5.根据权利要求2所...

【专利技术属性】
技术研发人员：刘芳卿，吕乐，
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：