[發(fā)明專利]基于多階段時序多任務(wù)的用戶安全等級識別方法及裝置

有效

• 申請?zhí)枺?/td>: 202210545013.1
• 申請日: 2022-05-19
• 公開（公告）號: CN114742645B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計）人: 王磊;宋孟楠;蘇綏綏;鄭彥
• 申請（專利權(quán)）人: 北京淇瑀信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q20/38;G06N20/00;G06K9/62;G06F16/2458
• 代理公司: 北京清誠知識產(chǎn)權(quán)代理有限公司 11691
• 代理人: 何懷燕

本申請涉及一種基于多階段時序多任務(wù)的用戶安全等級識別方法及裝置。該方法包括：根據(jù)全量用戶和其對應(yīng)的用戶階段生成多個階段集合；將多個階段集合按照時序依次排列；根據(jù)第n+1階段集合、第n組模型參數(shù)向量對第n+1組初始模型進(jìn)行多任務(wù)訓(xùn)練，生成第n+1組模型參數(shù)向量，n為正整數(shù)；直至所述多個階段集合訓(xùn)練完畢，基于多組模型參數(shù)向量生成多組階段評分模型；通過所述多組階段評分模型對當(dāng)前用戶進(jìn)行安全等級識別。本申請能夠從實際問題和應(yīng)用場景出發(fā)，從模型樣本角度、模型參數(shù)角度整體改進(jìn)多任務(wù)機(jī)器學(xué)習(xí)方法，從而保證應(yīng)用系統(tǒng)用戶數(shù)據(jù)安全、交易安全。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)信息處理領(lǐng)域，具體而言，涉及一種基于多階段時序多任務(wù)的用戶安全等級識別方法、裝置、電子設(shè)備及計算機(jī)可讀介質(zhì)。

背景技術(shù)

利用歷史數(shù)據(jù)中的有用信息來幫助分析未來數(shù)據(jù)的機(jī)器學(xué)習(xí)，通常需要大量有標(biāo)簽數(shù)據(jù)才能訓(xùn)練出一個優(yōu)良的學(xué)習(xí)器。深度學(xué)習(xí)模型是一種典型的機(jī)器學(xué)習(xí)模型，因為這類模型是帶有很多隱藏層和很多參數(shù)的神經(jīng)網(wǎng)絡(luò)，所以通常需要數(shù)以百萬計的數(shù)據(jù)樣本才能學(xué)習(xí)得到準(zhǔn)確的參數(shù)。但是，包括醫(yī)學(xué)圖像分析在內(nèi)的一些應(yīng)用無法滿足這種數(shù)據(jù)要求，因為標(biāo)注數(shù)據(jù)需要很多人力勞動。在這些情況下，多任務(wù)學(xué)習(xí)（MTL）可以通過使用來自其它相關(guān)學(xué)習(xí)任務(wù)的有用信息來幫助緩解這種數(shù)據(jù)稀疏問題。

多任務(wù)學(xué)習(xí)任務(wù)是根據(jù)訓(xùn)練數(shù)據(jù)集（包含訓(xùn)練數(shù)據(jù)實例和它們的標(biāo)簽）預(yù)測未曾見過的數(shù)據(jù)的標(biāo)簽。訓(xùn)練數(shù)據(jù)集中數(shù)據(jù)的“好壞”對多任務(wù)學(xué)習(xí)的效果有著至關(guān)重要的作用。但是，在實際的應(yīng)用場景中，訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)很難準(zhǔn)確的反應(yīng)真實情況。

在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對本申請的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

有鑒于此，本申請?zhí)峁┮环N基于多階段時序多任務(wù)的用戶安全等級識別方法、裝置、電子設(shè)備及計算機(jī)可讀介質(zhì)，能夠從實際問題和應(yīng)用場景出發(fā)，從模型樣本角度、模型參數(shù)角度整體改進(jìn)多任務(wù)機(jī)器學(xué)習(xí)方法，從而保證應(yīng)用系統(tǒng)用戶數(shù)據(jù)安全、交易安全。

本申請的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本申請的實踐而習(xí)得。

根據(jù)本申請的一方面，提出一種基于多階段時序多任務(wù)的用戶安全等級識別方法，該方法包括：根據(jù)全量用戶和其對應(yīng)的用戶階段生成多個階段集合；將多個階段集合按照時序依次排列；依次根據(jù)第n+1階段集合、第n組模型參數(shù)向量對第n+1組初始模型進(jìn)行多任務(wù)訓(xùn)練，生成第n+1組模型參數(shù)向量，n為正整數(shù)；直至所述多個階段集合訓(xùn)練完畢，基于多組模型參數(shù)向量生成多組階段評分模型；通過所述多組階段評分模型對當(dāng)前用戶進(jìn)行安全等級識別。

可選地，根據(jù)全量用戶和其對應(yīng)的用戶階段生成多個階段集合，包括：根據(jù)產(chǎn)品特征確定多個用戶階段；將全量用戶中每一個用戶對應(yīng)的用戶階段和所述多個用戶階段進(jìn)行匹配；根據(jù)匹配結(jié)果將用戶分配至和其用戶階段對應(yīng)的階段集合中。

可選地，根據(jù)全量用戶和其對應(yīng)的用戶階段生成多個階段集合，還包括：為每一個用戶階段確定標(biāo)簽策略；根據(jù)所述標(biāo)簽策略為每一個階段集合中用戶分配樣本標(biāo)簽。

可選地，依次根據(jù)第n+1階段集合、第n組模型參數(shù)向量對第n+1組初始模型進(jìn)行多任務(wù)訓(xùn)練，生成第n+1組模型參數(shù)向量，包括：提取所述多個階段集合中的第一階段集合；將第一階段集合輸入第一組初始模型中，生成第一組模型參數(shù)向量；根據(jù)第n+1階段集合、第n組模型參數(shù)向量對第n+1組初始模型進(jìn)行多任務(wù)訓(xùn)練，生成第n+1組模型參數(shù)向量，n為正整數(shù)。

可選地，依次根據(jù)第n+1階段集合、第n組模型參數(shù)向量對第n+1組初始模型進(jìn)行多任務(wù)訓(xùn)練，生成第n+1組模型參數(shù)向量，還包括：為每一個用戶階段確定一組機(jī)器學(xué)習(xí)模型；根據(jù)每一個用戶階段對應(yīng)的標(biāo)簽策略為歷史用戶分配樣本標(biāo)簽；通過帶有樣本標(biāo)簽的歷史用戶對第n+1組機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，生成第n+1組初始模型，n為正整數(shù)。