[发明专利]一种风险行为生成模型的确定方法及装置

权利要求书

1.一种风险行为生成模型的确定方法，包括：

按照预设的多个信息维度，对预设历史时间段内用户的真实行为数据进行维度划分处理，并根据维度划分后的所述真实行为数据生成真实样本数据；其中，所述维度划分处理包括对所述真实行为数据的每个数据项进行信息维度类型的标记，每条所述真实行为数据包括多个信息维度的数据项；

利用目标对抗神经网络中的生成器并基于所述真实样本数据，生成多个仿真样本数据；

利用所述目标对抗神经网络中的判别器对所述仿真样本数据和所述真实样本数据进行风险识别，得到风险识别结果；

根据所述风险识别结果，确定所述生成器的样本生成水平和所述判别器的样本判别水平；

若所述样本生成水平和所述样本判别水平满足预设对抗终止条件，则根据所述判别器识别为非真实数据的仿真样本数据对应的出现概率最大的目标信息维度，对生成器中与所述目标信息维度对应的参数进行修正，将修正后的所述生成器确定为风险行为生成模型；其中，所述风险行为生成模型用于预测未来时间段的风险行为数据以对线上风控策略进行更新；

若所述样本生成水平和所述样本判别水平不满足预设对抗终止条件，则基于所述风险识别结果对所述生成器和所述判别器进行参数优化，得到下一轮的目标对抗神经网络。

2.根据权利要求1所述的方法，其中，所述基于所述风险识别结果对所述生成器和所述判别器进行参数优化，得到下一轮的目标对抗神经网络，包括：

采用梯度下降方法并基于所述风险识别结果，对所述生成器和所述判别器进行参数优化，得到优化后的生成器和优化后的判别器；

将所述优化后的生成器和所述优化后的判别器的组合，确定为下一轮的目标对抗神经网络。

3.根据权利要求1所述的方法，其中，所述根据维度划分后的所述真实行为数据生成真实样本数据，包括：

针对每个信息维度，判断该信息维度对应的真实行为数据的数据类型是否为数值型；

若否，则对所述信息维度对应的所述真实行为数据进行类型转换，得到所述信息维度对应的数值型行为数据；

将各所述信息维度对应的数值型行为数据的集合确定为最终的真实样本数据。

4.根据权利要求1所述的方法，其中，所述根据所述判别器识别为非真实数据的仿真样本数据对应的出现概率最大的目标信息维度，对生成器中与所述目标信息维度对应的参数进行修正，将修正后的所述生成器确定为风险行为生成模型，包括：

根据所述风险识别结果，确定所述判别器识别为非真实数据的仿真样本数据；

根据确定出的各所述仿真样本数据对应的信息维度的所属类型，确定出现概率最大的目标信息维度；

对所述生成器中与所述目标信息维度对应的模型参数进行修正，得到修正后的生成器；

将所述修正后的生成器确定为最终的用于预测未来时间段风险用户行为的风险行为生成模型。

5.根据权利要求1所述的方法，其中，所述利用目标对抗神经网络中的生成器并基于所述真实样本数据，生成多个仿真样本数据，包括：

利用目标对抗神经网络中的生成器并基于所述真实样本数据，生成多个初始仿真样本数据；

在所述多个初始仿真样本数据中，将满足预设约束条件的初始仿真样本数据确定为最终的多个仿真样本数据。

6.根据权利要求1所述的方法，其中，所述根据所述风险识别结果，确定所述生成器的样本生成水平和所述判别器的样本判别水平，包括：

获取各所述仿真样本数据的第一标签信息和各所述真实行为数据的第二标签信息；

根据所述风险识别结果、所述第一标签信息和所述第二标签信息，确定用于表征所述判别器的识别正确程度的第一概率和用于表征所述生成器所生成的所述仿真样本数据被识别出的第二概率；

根据所述第二概率确定所述生成器的样本生成水平，以及根据所述第一概率确定所述判别器的样本判别水平。