[发明专利]一种基于多任务样本的目标欺诈交易模型训练方法和装置

权利要求书

1.一种基于多任务样本的目标欺诈交易模型训练方法，所述目标欺诈交易模型的欺诈交易训练样本来自于目标欺诈交易任务和至少一个相关交易场景的欺诈交易任务所包括的欺诈交易样本，所述欺诈交易训练样本是识别出用户交易为欺诈交易之后基于用户的交易数据得到的，所述方法包括：

将各个欺诈交易训练样本分别输入预先训练得到的欺诈交易任务分类模型，得到所述欺诈交易训练样本对应的样本权重；所述样本权重用于表示所述欺诈交易训练样本与目标欺诈交易任务的契合度；

使用所述各个欺诈交易训练样本训练所述目标欺诈交易模型，其中，在所述目标欺诈交易模型的训练过程中，通过所述样本权重差异化各个欺诈交易训练样本在损失函数中的比重；

获得训练完成的所述目标欺诈交易模型，所述目标欺诈交易模型用于识别出用户交易中的欺诈交易。

2.根据权利要求1所述的方法，所述欺诈交易任务分类模型，由所述目标欺诈交易任务和至少一个相关交易场景的欺诈交易任务的整合欺诈交易样本训练得到；

其中，所述整合欺诈交易样本包括：整合欺诈交易样本特征和整合欺诈交易样本标签；

所述整合欺诈交易样本特征，包括欺诈交易任务样本的样本特征和样本标签，所述欺诈交易任务样本是所述目标欺诈交易任务或者相关交易场景的欺诈交易任务的样本；

所述整合欺诈交易样本标签，用于表示所述整合欺诈交易样本是否来自于目标欺诈交易任务。

3.根据权利要求1所述的方法，所述方法还包括：

若所述样本权重满足预设权重条件，将所述欺诈交易任务样本作为所述目标欺诈交易任务对应的目标欺诈交易模型的欺诈交易训练样本。

4.根据权利要求1所述的方法，所述通过所述样本权重差异化各个欺诈交易训练样本在损失函数中的比重，包括：

所述损失函数包括：各个欺诈交易训练样本分别对应的损失之和；

其中，每个欺诈交易训练样本对应的损失，引入所述欺诈交易训练样本的样本权重作为代价参数。

5.根据权利要求4所述的方法，当所述损失函数是交叉熵损失函数时；

所述交叉熵损失函数如下：

其中，LOSS是损失函数值，n是欺诈交易训练样本的数量，w_i是第i个欺诈交易训练样本的样本权重；y_i是第i个欺诈交易训练样本的样本标签，所述z_i是第i个欺诈交易训练样本通过所述目标欺诈交易模型的预测值。

6.一种欺诈交易的识别方法，所述方法包括：

获取待识别的交易样本；

将所述交易样本的样本特征输入预先训练的欺诈交易模型，输出所述交易样本是否为欺诈交易的预测结果；

其中，所述欺诈交易模型基于多任务学习产生，所述欺诈交易模型的欺诈交易训练样本来自于目标欺诈交易任务和至少一个相关交易场景的欺诈交易任务，所述欺诈交易训练样本是识别出用户交易为欺诈交易之后基于用户的交易数据得到的；所述目标欺诈交易任务用于训练所述欺诈交易模型；并且，在所述欺诈交易模型的训练过程中，通过所述样本权重差异化各个欺诈交易训练样本在损失函数中的比重；所述样本权重用于表示所述欺诈交易训练样本与目标欺诈交易任务的契合度。