[發明專利]風險預測模型的訓練方法及裝置

在審

• 申請號: 202011248288.6
• 申請日: 2020-11-10
• 公開（公告）號: CN112330035A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 金璐
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06K9/62
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供了一種風險預測模型的訓練方法及裝置。訓練模型所采用的樣本特征涵蓋了身份認證過程經歷的鏈路中的多個環節的信息，該信息綜合了用戶、行為、終端、賬號等多個方面。由此，根據該樣本特征訓練得到的風險預測模型對身份認證的風險的預測結果也更加準確、更加有效。

技術領域

本說明書實施例涉及數據安全技術領域，具體地，涉及風險預測模型的訓練方法及裝置、風險識別方法及裝置。

背景技術

目前市面上的設備具有多種功能，并且在用戶的生活中越來越重要。例如，提供便捷的網絡支付的智能手機、幫助辦公的個人電腦等等。同時，采用設備執行的一些業務可能存在較大的風險。特別是在采用設備與服務器之間進行交互的方式執行身份認證的場景中，若該設備所執行的身份認證風險較高(例如，該風險較高的身份認證可以是以對服務器進行攻擊為手段執行的)，則將對該服務器運行的安全性帶來較大的隱患，進而增加與該服務器交互的其他設備的安全隱患。

可見，如何對身份認證的風險進行鑒別，成為亟待解決的問題。

發明內容

本說明書實施例提供了風險預測模型的訓練方法及裝置、風險識別方法及裝置，可以有效地對身份認證的風險進行鑒別。

根據第一方面，提供了一種風險預測模型的訓練方法，包括：

獲取歷史身份認證對應的歷史數據；

根據該歷史數據，確定訓練樣本的樣本特征，并確定該訓練樣本的風險標簽；其中，所述樣本特征包括：執行該歷史身份認證采用的身份特征、該歷史身份認證執行過程中所采用設備的設備特征、所使用賬號的賬號特征、以及該歷史身份認證執行過程中涉及行為的行為特征；

將所述樣本特征輸入風險預測模型，得到預測結果；根據所述預測結果和所述風險標簽，訓練所述風險預測模型。

在一個實施例中，所述風險預測模型包括，分別針對多個風險類型進行風險預測的多個子模型；所述多個風險類型包括：設備風險、賬號風險、行為風險以及身份風險；

將所述樣本特征輸入風險預測模型，得到預測結果，包括：

將所述樣本特征分別輸入所述多個子模型，得到對應于所述多個風險類型的多個子預測結果；

根據所述預測結果和所述風險標簽，訓練所述風險預測模型，包括：

根據各子預測結果與該訓練樣本的風險標簽，訓練所述風險預測模型。

在一個實施例中，所述設備特征包括以下中的至少一種：執行該歷史身份認證所采用的設備的型號、所述設備的參數、所述設備中安裝的各客戶端信息；所述多個子模型包括：用于預測設備風險的第一子模型；

將所述樣本特征分別輸入所述多個子模型，得到對應于所述多個風險類型的多個子預測結果，包括：

將所述設備特征輸入所述第一子模型，得到所述第一子模型輸出的第一子預測結果，所述第一子預測結果示出所述設備的機型為風險機型的概率、所述設備的參數是偽造參數的概率、所述設備中安裝有非法客戶端的概率中的至少一種。

在一個實施例中，所述賬號特征包括以下中的至少一種：所述賬號的屬性信息、所述賬號的歷史使用信息；所述多個子模型包括：用于預測賬號風險的第二子模型；

將所述樣本特征分別輸入所述多個子模型，得到對應于所述多個風險類型的多個子預測結果，包括：

將所述賬號特征輸入所述第二子模型，得到所述第二子模型輸出的第二子預測結果，所述第二子預測結果示出所述賬號是非法賬號的概率、所述賬號是沉睡賬號的概率中的至少一種。