(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210793704.3 (22)申请日 2022.07.07 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 李金膛　陈亮　吴若凡　朱亮　 田胜　但家旺　孟昌华　王维强　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 李世喆 (51)Int.Cl. G06Q 40/02(2012.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 建立风险识别模型的方法及对应装置 (57)摘要 本说明书实施例提供了一种建立风险识别 模型的方法及对应装置。 其中方法包括： 获取利 用用户的网络行为数据构建的异构网络图， 异构 网络图包括节 点和边， 节点包括行为主体和行为 对象， 边依据行为主体和行为对象之间的行为关 系确定； 对异构网络图中的边进行掩膜处理， 得 到掩膜子图和剩余子图； 利用剩余子图和掩膜子 图训练图自编码器； 其中， 图自编码器包括编码 网络和第一解码网络； 编码网络利用输入的剩余 子图得到 各节点的表征向量， 第一解码网络利用 各节点的表征向量预测被掩膜的边， 训练目标包 括： 最小化预测结果与掩膜子图之间的差异； 利 用训练得到的图自编码器中的编码网络， 构建风 险识别模型。 本申请能够提高风险识别模型的识 别效果。 权利要求书2页 说明书11页 附图4页 CN 115293872 A 2022.11.04 CN 115293872 A 1.一种建立 风险识别模型的方法， 其特 征在于， 该 方法包括： 获取利用用户的网络行为数据构建的异构网络 图， 所述异构网络 图包括节点和边， 所 述节点包括行为主体和行为对象， 所述 边依据行为主体和行为对象之间的行为关系确定； 对所述异构网络图中的边进行掩膜处 理， 得到掩膜子图和剩余子图； 利用所述剩余子 图和掩膜子 图训练所述图自编码器； 其中， 所述图自编码器包括编码 网络和第一解码网络； 所述编码网络利用输入的所述剩余子图得到各节点的表征向量， 所 述第一解码网络利用所述各节点的表征向量预测被掩膜的边， 训练目标包括： 最小化预测 结果与掩膜子图之间的差异； 利用训练得到的图自编码器中的编码网络， 构建风险识别模型。 2.根据权利要求1所述的方法， 其特征在于， 对所述异构网络图中的边进行掩膜 处理包 括： 对所述异构网络图中的边进行随机采样， 将采样得到的M个边构 成掩膜子图， 将所述异 构网络图中采样的M个边进行掩膜处 理后得到剩余子图； 或者， 对所述异构网络图中的边进行随机采样， 将采样得到的M1个边作为根节点； 分别将各 根节点作为起点进行路径随机游走， 得到的各条路径构成掩膜子图， 将所述各条路径包含 的M2个边进行掩膜处 理后得到剩余子图； 其中， 所述M、 M1和M2为 正整数。 3.根据权利要求1所述的方法， 其特征在于， 所述图自编码器还包括第二解码网络， 所 述第二解码网络利用所述各节点的表征向量预测各节点的度； 所述训练目标还包括： 最小化所述第 二解码网络的预测结果与 所述异构网络图中各节 点的度之间的差异。 4.根据权利要求3所述的方法， 其特征在于， 利用所述剩余子图和掩膜子图训练所述图 自编码器包括： 在每一轮迭代中确定总训练损失， 所述总训练损失由第 一训练损失和第 二训练损失确 定， 所述第一训练损失由所述第一解码网络的预测结果与掩膜子图之间的差异得到， 所述 第二训练损失由所述第二解码网络的预测结果与所述异构网络图中各节点的度之间的差 异得到； 利用所述总训练损失的值更新所述图自编码器的模型参数， 直至达到预设的训练 结束条件。 5.根据权利要求1所述的方法， 其特征在于， 所述风险识别模型用以对所述异构网络图 中的目标节点、 目标边或目标子图进行风险识别。 6.根据权利要求1至5中任一项所述的方法， 其特征在于， 所述利用训练得到的图自编 码器中的编码网络， 构建风险识别模型包括： 获取风险识别模型的训练数据； 利用所述训练数据， 在训练得到的图自编码器中的编码网络上进行风险识别模型的迁 移学习， 其中所述 风险识别模型包括所述编码网络和分类网络 。 7.根据权利要求6所述的方法， 其特征在于， 所述获取风险识别模型的训练数据包括以 下至少一种： 从所述异构网络图中获取被标注为风险用户和非风险用户的节点作为训练数据； 或 者，权　利　要　求　书 1/2 页 2 CN 115293872 A 2从所述异构网络图中获取被标注为 风险行为和非风险行为的边作为训练数据； 或者， 从所述异构网络图中获取被标注为风险用户集合和非风险用户集合的子图作为训练 数据。 8.一种建立 风险识别模型的装置， 其特 征在于， 该装置包括： 图获取单元， 被配置为获取利用用户的网络行为数据构建的所述异构网络 图， 所述异 构网络图包括节点和 边， 所述节点包括行为主体和行为对 象， 所述边依据行为主体和行为 对象之间的行为关系确定； 图掩膜单元， 被配置为对所述异构网络 图中的边进行掩膜处理， 得到掩膜子 图和剩余 子图； 图训练单元， 被配置为利用所述剩余子图和掩膜子图训练所述图自编码器； 其中， 所述 图自编码器包括编 码网络和第一解码网络； 所述编 码网络利用输入的所述剩余子图得到各 节点的表征向量， 所述第一解码网络利用所述各节点的表征向量预测被掩膜的边， 训练目 标包括： 最小化预测结果与掩膜子图之间的差异； 模型构建单元， 被配置为利用训练得到的图自编码器中的编码网络， 构建风险识别模 型， 所述风险识别模型用以对输入的待识别网络图中的目标节点、 目标边或目标子图进行 风险识别。 9.一种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 行权利要求1至7中任一项所述的方法。 10.一种计算设备， 包括存储器和 处理器， 其特征在于， 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， 实现权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115293872 A 3