[發明專利]風險識別方法、裝置、設備及介質

有效

• 申請號: 201910870897.6
• 申請日: 2019-09-16
• 公開（公告）號: CN110570301B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 楊情;房溪;朱晨;陳鵬程
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q20/40;G06N20/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

本申請公開了一種風險識別方法、裝置、設備及介質，應用于人工智能中的機器學習領域。該方法包括：獲取在線網絡業務的業務數據；將所述業務數據輸入至風險識別模型中得到風險識別結果，所述風險識別模型是根據總訓練集訓練得到的，所述總訓練集包括：觀察時間達到表現期的第一白樣本集和第一黑樣本集，以及所述觀察時間未達到所述表現期的第二白樣本集和第二黑樣本集；根據所述風險識別結果對所述在線網絡業務進行處理。該方法可以將表現期不足的樣本用于模型訓練。

技術領域

本申請涉及人工智能中的機器學習領域，特別涉及一種風險識別方法、裝置、設備及介質。

背景技術

基于互聯網提供的網絡服務中存在一定的安全風險。比如對于金融借貸類的網絡服務中，需要識別用戶的信用程度。

相關技術中采用機器學習模型對網絡服務的風險進行識別。預先收集白樣本和黑樣本，白樣本包括多個在表現期內沒有風險行為的樣本，黑樣本包括多個在表現期內存在風險行為的樣本。采用白樣本和黑樣本對機器學習模型進行分類任務的訓練，得到具有分類能力的機器學習模型。

上述表現期的時間長度較長，比如6個月或1年，因此在實際訓練過程中能夠用來訓練的樣本數量有限。

發明內容

本申請實施例提供了一種風險識別方法、裝置、設備及介質，可以解決表現期的時間長度較長，比如6個月或1年，因此在實際訓練過程中能夠用來訓練的樣本數量有限的問題。所述技術方案如下：

根據本申請的一個方面，提供了一種風險識別方法，所述方法包括：

獲取在線網絡業務的業務數據；

將所述業務數據輸入至風險識別模型中得到風險識別結果，所述風險識別模型是根據總訓練集訓練得到的，所述總訓練集包括：觀察時間達到表現期的第一白樣本集和第一黑樣本集，以及所述觀察時間未達到所述表現期的第二白樣本集和第二黑樣本集；

根據所述風險識別結果對所述在線網絡業務進行處理。

根據本申請的另一方面，提供了一種音樂片段的選取裝置，所述裝置包括：

獲取模塊，用于獲取在線網絡業務的業務數據；

風險識別模塊，用于將所述業務數據輸入至風險識別模型中得到風險識別結果，所述風險識別模型是根據總訓練集訓練得到的，所述總訓練集包括：觀察時間達到表現期的第一白樣本集和第一黑樣本集，以及所述觀察時間未達到所述表現期的第二白樣本集和第二黑樣本集；

處理模塊，用于根據所述風險識別結果對所述在線網絡業務進行處理。

根據本申請的另一方面，提供了一種計算機設備，所述計算機設備包括：處理器和存儲器，所述存儲器中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行以實現如上方面所述的風險識別方法。

根據本申請的另一方面，提供了一種計算機可讀存儲介質，所述存儲介質中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行以實現如上方面所述的風險識別方法。

本申請實施例提供的技術方案帶來的有益效果至少包括：

通過利用含有觀察時間達到表現期的第一白樣本集和第一黑樣本集，以及觀察時間未達到表現期的第二白樣本集和第二黑樣本集的總訓練集訓練風險識別模型，使樣本的收集不局限于表現期充足的樣本，還有效利用了表現期不足的樣本，擴大了樣本的收集范圍，為訓練模型提供了更多的有效樣本。

附圖說明