CN111405563B - 保护用户隐私的风险检测方法和装置 - Google Patents
保护用户隐私的风险检测方法和装置 Download PDFInfo
- Publication number
- CN111405563B CN111405563B CN202010213835.0A CN202010213835A CN111405563B CN 111405563 B CN111405563 B CN 111405563B CN 202010213835 A CN202010213835 A CN 202010213835A CN 111405563 B CN111405563 B CN 111405563B
- Authority
- CN
- China
- Prior art keywords
- graph
- sub
- user
- node
- embedding information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供一种保护用户隐私的风险检测方法和装置,方法包括:第一终端设备根据与其对应的第一用户的关联信息,确定第一子图,第一子图包括中心节点和中心节点的关联节点,中心节点对应第一用户,关联节点对应与第一用户具有关联关系的第二用户;第一终端设备向服务器发送第一子图,以使服务器根据第一子图更新全局图,并根据更新后的全局图确定第一子图的图嵌入信息,图嵌入信息至少包括第一子图中各节点分别对应的节点特征向量;全局图根据多个终端设备发送的子图而建立;第一终端设备从服务器接收图嵌入信息;第一终端设备根据图嵌入信息,确定第一子图对应的风险评估结果,用于进行风险决策。能够有效的保护用户隐私。
Description
技术领域
本说明书一个或多个实施例涉及计算机领域,尤其涉及保护用户隐私的风险检测方法和装置。
背景技术
当前,支付、电商和社交等互联网应用场景存在着天然的网络属性,图计算常被用来在该类数据上进行风险检测,譬如说反洗钱、赌博检测、传销检测、作弊检测、欺诈检测等。
现有技术中,采用全局图计算的方案,依靠服务器上的全局图对风险进行检测。包括标签传播、社区发现、图嵌入、图神经网络等,这些方法均需要存储并访问全图点边信息,包括全图点边所对应的属性信息与嵌入特征。受终端设备计算资源限制、存储资源与网络资源的限制,在终端设备上通常不能访问到全图点边信息,因此全局图计算不能在终端设备上运行,只能在服务器上计算,带来计算与通讯的延迟。同时,在服务器上计算风险评估结果和传输风险评估结果的过程中,存在用户风险数据隐私泄漏风险。
发明内容
本说明书一个或多个实施例描述了一种保护用户隐私的风险检测方法和装置,能够有效的保护用户隐私。
第一方面,提供了一种保护用户隐私的风险检测方法,方法包括:
第一终端设备根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
所述第一终端设备向服务器发送所述第一子图,以使所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
所述第一终端设备从所述服务器接收所述第一子图的图嵌入信息;
所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
在一种可能的实施方式中,所述关联信息包括:
交易信息或者社交活动信息。
在一种可能的实施方式中,所述确定第一子图包括:
采集第一用户的关联关系记录,生成第一子图;或者,根据第一用户在最近预定时长新产生的关联关系记录,更新已生成的第一子图。
在一种可能的实施方式中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量;
所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,包括:
所述第一终端设备根据各节点特征向量和各边特征向量,确定所述第一子图对应的风险评估结果。
在一种可能的实施方式中,所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,包括:
所述第一终端设备至少根据各节点特征向量,利用预先训练的分类模型或回归模型确定所述第一子图对应的风险评估结果。
第二方面,提供了一种保护用户隐私的风险检测方法,方法包括:
服务器从与第一用户对应的第一终端设备接收第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
所述服务器向所述第一终端设备发送所述第一子图的图嵌入信息,以使所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
在一种可能的实施方式中,所述服务器根据所述第一子图更新全局图,包括:
所述服务器根据所述第一子图的图结构更新所述全局图的图结构;和/或,
所述服务器根据所述第一子图的目标节点的节点属性更新所述全局图的所述目标节点的节点属性;和/或,
所述服务器根据所述第一子图的目标连接边的边属性更新所述全局图的所述目标连接边的边属性。
在一种可能的实施方式中,所述服务器根据更新后的所述全局图确定所述第一子图的图嵌入信息,包括:
所述服务器根据更新后的所述全局图,基于图神经网络(graph neural network,GNN)算法或者图嵌入Node2Vec算法确定所述第一子图的图嵌入信息。
在一种可能的实施方式中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量。
第三方面,提供了一种保护用户隐私的风险检测装置,所述装置设置于第一终端设备,装置包括:
确定单元,用于根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
发送单元,用于向服务器发送所述确定单元确定的第一子图,以使所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
接收单元,用于从所述服务器接收所述第一子图的图嵌入信息;
评估单元,用于根据所述接收单元接收的图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
第四方面,提供了一种保护用户隐私的风险检测装置,所述装置设置于服务器,装置包括:
接收单元,用于从与第一用户对应的第一终端设备接收第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
更新单元,用于根据所述接收单元接收的第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
发送单元,用于向所述第一终端设备发送所述更新单元确定的所述第一子图的图嵌入信息,以使所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
第五方面,提供了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,令计算机执行第一或第二方面的方法。
第六方面,提供了一种计算设备,包括存储器和处理器,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,实现第一或第二方面的方法。
通过本说明书实施例提供的方法和装置,首先第一终端设备不是直接将用户的关联信息发送给服务器,而是根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,然后向服务器发送第一子图,服务器根据第一子图更新全局图,并根据更新后的全局图确定第一子图的图嵌入信息,接着服务器不是根据该图嵌入信息确定第一子图对应的风险评估结果,而是向第一终端设备发送该图嵌入信息,最后第一终端设备根据该图嵌入信息,确定第一子图对应的风险评估结果,风险评估结果用于进行风险决策。由上可见,本说明书实施例,通过终端设备和服务器相结合的图计算方法对风险进行检测,在可用性、时效性和计算资源上做出了改进。同时由于服务器只负责生成图嵌入信息,而风险评估的过程和结果全部在终端设备上,从而有效的保护了用户隐私。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本说明书披露的一个实施例的实施场景示意图;
图2示出根据一个实施例的保护用户隐私的风险检测方法交互示意图;
图3示出根据一个实施例的第一子图的图结构示意图;
图4示出根据一个实施例的全局图的图结构示意图;
图5示出根据一个实施例的保护用户隐私的风险检测装置的示意性框图;
图6示出根据另一个实施例的保护用户隐私的风险检测装置的示意性框图。
具体实施方式
下面结合附图,对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及保护用户隐私的风险检测。参照图1,服务器与多个终端设备具有通信连接,上述多个终端设备的数目可能比较大,图1中仅示出三个终端设备作为示例,各终端设备均可以根据各自对应的用户的关联信息建立子图,各终端设备将各自建立的子图发送给服务器,服务器根据接收的各子图建立全局图,可以理解的是,无论是子图还是全局图均为关系网络图。
终端设备对应的用户的关联信息是随时间变化的,例如,在第一时间周期内用户A和用户B不具有关联关系,在第一时间周期之后的第二时间周期内用户A和用户B具有关联关系,这种关联信息的变化会对应体现为子图的变化,相应地会引起全局图的变化。
参照图1,以第一终端设备要进行风险检测为例,第一终端设备将其确定的第一子图发送给服务器,以使服务器根据第一子图更新全局图,并根据更新后的所述全局图确定第一子图的图嵌入信息,服务器将该图嵌入信息发送给第一终端设备,第一终端设备根据该图嵌入信息,确定第一子图对应的风险评估结果,该风险评估结果用于进行风险决策。
上述风险评估结果是由终端设备确定的,服务器并不知晓该风险评估结果,风险评估结果不易泄露,从而有效的保护了用户隐私。
需要说明的是,本说明书实施例对于上述服务器的类型不做限定,上述服务器可以指物理服务器,也可以指云服务器。其中,云服务器可以提供一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。其管理方式比物理服务器更简单高效。用户无需提前购买硬件,即可迅速创建或释放任意多台云服务器。
图2示出根据一个实施例的保护用户隐私的风险检测方法交互示意图,该方法可以基于图1所示的实施场景,由第一终端设备和服务器相结合实现该方法。如图2所示,该实施例中保护用户隐私的风险检测方法包括以下步骤:
首先在步骤21,第一终端设备根据与第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户。可以理解的是,第一子图为关系网络图,由节点和节点之间的连接边构成,每个节点对应一个用户,中心节点可以具有一个或多个关联节点,关联节点与中心节点之间具有连接边。
图3示出根据一个实施例的第一子图的图结构示意图,参照图3,节点1为中心节点,节点2、节点3、节点4、节点5和节点6为节点1的关联节点。
在一个示例中,所述关联信息包括:
交易信息或者社交活动信息。
可以理解的是,关联信息并不限定于此,其他的任何能够体现用户之间关联关系的信息均可作为关联信息,以用于构建关系网络图。
在一个示例中,所述确定第一子图包括:
采集第一用户的关联关系记录,生成第一子图;或者,根据第一用户在最近预定时长新产生的关联关系记录,更新已生成的第一子图。
本说明书实施例中,第一终端设备可以周期性确定第一子图,或者在有风险检测需求时确定第一子图。
然后在步骤22,第一终端设备向服务器发送第一子图。可以理解的是,第一终端设备可以向服务器发送第一子图的图结构、节点属性和边属性中的一项或多项信息。
本说明书实施例中,第一终端设备可以周期性向服务器发送第一子图,或者在有风险检测需求时向服务器发送第一子图。
接着在步骤23,服务器根据所述第一子图更新全局图,并根据更新后的全局图确定第一子图的图嵌入信息,图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立。可以理解的是,全局图是比子图包含节点更为广泛的关系网络图,全局图包含子图。
图4示出根据一个实施例的全局图的图结构示意图,参照图4,曲线41包围的关系网络图对应第一终端设备确定的第一子图,曲线42包围的关系网络图对应第二终端设备确定的第二子图,曲线43包围的关系网络图对应第三终端设备确定的第三子图,各子图之间可以具有重合的部分。可以理解的是,实际的全局图包含大量的终端设备确定的子图,图4仅为示意。
在一个示例中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量。
在一个示例中,所述服务器根据所述第一子图更新全局图,包括:
所述服务器根据所述第一子图的图结构更新所述全局图的图结构;和/或,
所述服务器根据所述第一子图的目标节点的节点属性更新所述全局图的所述目标节点的节点属性;和/或,
所述服务器根据所述第一子图的目标连接边的边属性更新所述全局图的所述目标连接边的边属性。
在一个示例中,所述服务器根据更新后的所述全局图确定所述第一子图的图嵌入信息,包括:
所述服务器根据更新后的所述全局图,基于图神经网络(graph neural network,GNN)算法或者图嵌入Node2Vec算法确定所述第一子图的图嵌入信息。
此外,还可以采用翻译嵌入(translating embedding,TransE)或者基于拓扑特征的算法确定上述图嵌入信息。
再在步骤24,服务器向第一终端设备发送第一子图的图嵌入信息。可以理解的是,服务器可以主动向第一终端设备发送第一子图的图嵌入信息;或者在接收到第一终端设备的请求后,向第一终端设备发送第一子图的图嵌入信息。
最后在步骤25,第一终端设备根据图嵌入信息,确定第一子图对应的风险评估结果,风险评估结果用于进行风险决策。可以理解的是,第一子图的中心节点对应第一用户,因此第一子图对应的风险评估结果可以作为第一用户的风险评估结果,用于对第一用户的相关行为进行风险决策。
在一个示例中,所述图嵌入信息不仅包括所述第一子图中各节点分别对应的节点特征向量,还包括,所述第一子图中各连接边分别对应的边特征向量;所述第一终端设备根据各节点特征向量和各边特征向量,确定所述第一子图对应的风险评估结果。
在一个示例中,所述第一终端设备至少根据各节点特征向量,利用预先训练的分类模型或回归模型确定所述第一子图对应的风险评估结果。
上述分类模型或回归模型具体可以为GNN模型、逻辑回归(logistic regression,LR)模型、梯度提升树XGBoost模型、深度神经网络(deep neural networks,DNN)模型等。
在一个示例中,在没有网络连接的环境下,终端设备可以根据其上已有的子图相关的点边数据进行风险评估;在终端设备上只需要存储和计算该终端设备上交易(或者社交行为)所产生的子图相关的点边数据,而非所有终端设备的全部数据,数据规模可控,适合在终端设备上计算。
本说明书实施例提供的方法,服务器只负责生成图嵌入信息,而风险计算的过程和结果全部在终端设备上,从而有效的避免了用户风险数据隐私泄漏;终端设备上的图嵌入信息在生成和更新时,是在服务器进行计算,计算过程中包括了全局图信息,因此风险评估准确性高。将全局图信息的计算与局部子图计算逻辑进行解耦,并以子图的节点特征作为介质,有效的进行全图和子图的信息传递与计算分割,在计算资源、存储资源和网络资源受限的终端设备环境中,保证了信息完整性和计算有效性。
根据另一方面的实施例,还提供一种保护用户隐私的风险检测装置,所述装置设置于第一终端设备,用于执行本说明书实施例提供的保护用户隐私的风险检测方法中第一终端设备的处理流程。图5示出根据一个实施例的保护用户隐私的风险检测装置的示意性框图。如图5所示,该装置500包括:
确定单元51,用于根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
发送单元52,用于向服务器发送所述确定单元51确定的第一子图,以使所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
接收单元53,用于从所述服务器接收所述第一子图的图嵌入信息;
评估单元54,用于根据所述接收单元53接收的图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
可选地,作为一个实施例,所述关联信息包括:
交易信息或者社交活动信息。
可选地,作为一个实施例,所述确定单元51,具体用于:
采集第一用户的关联关系记录,生成第一子图;或者,根据第一用户在最近预定时长新产生的关联关系记录,更新已生成的第一子图。
可选地,作为一个实施例,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量;
所述评估单元54,具体用于根据各节点特征向量和各边特征向量,确定所述第一子图对应的风险评估结果。
可选地,作为一个实施例,所述评估单元54,具体用于至少根据各节点特征向量,利用预先训练的分类模型或回归模型确定所述第一子图对应的风险评估结果。
根据另一方面的实施例,还提供一种保护用户隐私的风险检测装置,所述装置设置于服务器,用于执行本说明书实施例提供的保护用户隐私的风险检测方法中服务器的处理流程。图6示出根据一个实施例的保护用户隐私的风险检测装置的示意性框图。如图6所示,该装置600包括:
接收单元61,用于从与第一用户对应的第一终端设备接收第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
更新单元62,用于根据所述接收单元61接收的第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
发送单元63,用于向所述第一终端设备发送所述更新单元62确定的所述第一子图的图嵌入信息,以使所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
可选地,作为一个实施例,所述更新单元62,具体用于:
根据所述第一子图的图结构更新所述全局图的图结构;和/或,
根据所述第一子图的目标节点的节点属性更新所述全局图的所述目标节点的节点属性;和/或,
根据所述第一子图的目标连接边的边属性更新所述全局图的所述目标连接边的边属性。
可选地,作为一个实施例,所述更新单元62,具体用于根据更新后的所述全局图,基于图神经网络GNN算法或者图嵌入Node2Vec算法确定所述第一子图的图嵌入信息。
可选地,作为一个实施例,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量。
根据另一方面的实施例,还提供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,令计算机执行结合图2所描述的方法。
根据再一方面的实施例,还提供一种计算设备,包括存储器和处理器,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,实现结合图2所描述的方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (20)
1.一种保护用户隐私的风险检测方法,所述方法包括:
第一终端设备根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
所述第一终端设备向服务器发送所述第一子图,以使所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
所述第一终端设备从所述服务器接收所述第一子图的图嵌入信息;
所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
2.如权利要求1所述的方法,其中,所述关联信息包括:
交易信息或者社交活动信息。
3.如权利要求1所述的方法,其中,所述确定第一子图包括:
采集第一用户的关联关系记录,生成第一子图;或者,根据第一用户在最近预定时长新产生的关联关系记录,更新已生成的第一子图。
4.如权利要求1所述的方法,其中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量;
所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,包括:
所述第一终端设备根据各节点特征向量和各边特征向量,确定所述第一子图对应的风险评估结果。
5.如权利要求1所述的方法,其中,所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,包括:
所述第一终端设备至少根据各节点特征向量,利用预先训练的分类模型或回归模型确定所述第一子图对应的风险评估结果。
6.一种保护用户隐私的风险检测方法,所述方法包括:
服务器从与第一用户对应的第一终端设备接收第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
所述服务器向所述第一终端设备发送所述第一子图的图嵌入信息,以使所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
7.如权利要求6所述的方法,其中,所述服务器根据所述第一子图更新全局图,包括:
所述服务器根据所述第一子图的图结构更新所述全局图的图结构;和/或,
所述服务器根据所述第一子图的目标节点的节点属性更新所述全局图的所述目标节点的节点属性;和/或,
所述服务器根据所述第一子图的目标连接边的边属性更新所述全局图的所述目标连接边的边属性。
8.如权利要求6所述的方法,其中,所述服务器根据更新后的所述全局图确定所述第一子图的图嵌入信息,包括:
所述服务器根据更新后的所述全局图,基于图神经网络GNN算法或者图嵌入Node2Vec算法确定所述第一子图的图嵌入信息。
9.如权利要求6所述的方法,其中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量。
10.一种保护用户隐私的风险检测装置,所述装置设置于第一终端设备,所述装置包括:
确定单元,用于根据与所述第一终端设备对应的第一用户的关联信息,确定第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
发送单元,用于向服务器发送所述确定单元确定的第一子图,以使所述服务器根据所述第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
接收单元,用于从所述服务器接收所述第一子图的图嵌入信息;
评估单元,用于根据所述接收单元接收的图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
11.如权利要求10所述的装置,其中,所述关联信息包括:
交易信息或者社交活动信息。
12.如权利要求10所述的装置,其中,所述确定单元,具体用于:
采集第一用户的关联关系记录,生成第一子图;或者,根据第一用户在最近预定时长新产生的关联关系记录,更新已生成的第一子图。
13.如权利要求10所述的装置,其中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量;
所述评估单元,具体用于根据各节点特征向量和各边特征向量,确定所述第一子图对应的风险评估结果。
14.如权利要求10所述的装置,其中,所述评估单元,具体用于至少根据各节点特征向量,利用预先训练的分类模型或回归模型确定所述第一子图对应的风险评估结果。
15.一种保护用户隐私的风险检测装置,所述装置设置于服务器,所述装置包括:
接收单元,用于从与第一用户对应的第一终端设备接收第一子图,所述第一子图包括中心节点和所述中心节点的关联节点,所述中心节点对应所述第一用户,所述关联节点对应与所述第一用户具有关联关系的一个或多个第二用户;
更新单元,用于根据所述接收单元接收的第一子图更新全局图,并根据更新后的所述全局图确定所述第一子图的图嵌入信息,所述图嵌入信息至少包括所述第一子图中各节点分别对应的节点特征向量;其中,所述全局图根据多个终端设备发送的子图而建立;
发送单元,用于向所述第一终端设备发送所述更新单元确定的所述第一子图的图嵌入信息,以使所述第一终端设备根据所述图嵌入信息,确定所述第一子图对应的风险评估结果,所述风险评估结果用于进行风险决策。
16.如权利要求15所述的装置,其中,所述更新单元,具体用于:
根据所述第一子图的图结构更新所述全局图的图结构;和/或,
根据所述第一子图的目标节点的节点属性更新所述全局图的所述目标节点的节点属性;和/或,
根据所述第一子图的目标连接边的边属性更新所述全局图的所述目标连接边的边属性。
17.如权利要求15所述的装置,其中,所述更新单元,具体用于根据更新后的所述全局图,基于图神经网络GNN算法或者图嵌入Node2Vec算法确定所述第一子图的图嵌入信息。
18.如权利要求15所述的装置,其中,所述图嵌入信息还包括,所述第一子图中各连接边分别对应的边特征向量。
19.一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1-9中任一项的所述的方法。
20.一种计算设备,包括存储器和处理器,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1-9中任一项的所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010213835.0A CN111405563B (zh) | 2020-03-24 | 2020-03-24 | 保护用户隐私的风险检测方法和装置 |
PCT/CN2020/132868 WO2021189925A1 (zh) | 2020-03-24 | 2020-11-30 | 保护用户隐私的风险检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010213835.0A CN111405563B (zh) | 2020-03-24 | 2020-03-24 | 保护用户隐私的风险检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111405563A CN111405563A (zh) | 2020-07-10 |
CN111405563B true CN111405563B (zh) | 2021-07-13 |
Family
ID=71436611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010213835.0A Active CN111405563B (zh) | 2020-03-24 | 2020-03-24 | 保护用户隐私的风险检测方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111405563B (zh) |
WO (1) | WO2021189925A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111405563B (zh) * | 2020-03-24 | 2021-07-13 | 支付宝(杭州)信息技术有限公司 | 保护用户隐私的风险检测方法和装置 |
CN114662204B (zh) * | 2022-04-07 | 2023-03-31 | 清华大学 | 基于图神经网络的弹性杆系结构体系数据处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107592932A (zh) * | 2015-04-14 | 2018-01-16 | 三星电子株式会社 | 用于在移动设备中检测诈骗的装置和方法 |
CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技(深圳)有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101860883B (zh) * | 2010-05-14 | 2012-10-24 | 南京邮电大学 | 一种基于物联网的多代理异常检测方法 |
US9996811B2 (en) * | 2013-12-10 | 2018-06-12 | Zendrive, Inc. | System and method for assessing risk through a social network |
CN107645483B (zh) * | 2016-07-22 | 2021-03-19 | 创新先进技术有限公司 | 风险识别方法、风险识别装置、云风险识别装置及系统 |
CN109934706B (zh) * | 2017-12-15 | 2021-10-29 | 创新先进技术有限公司 | 一种基于图结构模型的交易风险控制方法、装置以及设备 |
KR102046262B1 (ko) * | 2017-12-18 | 2019-11-18 | 고려대학교 산학협력단 | 모바일 운영체제 환경에서 악성 코드 행위에 따른 위험을 관리하는 장치 및 방법, 이 방법을 수행하기 위한 기록 매체 |
CN110309367B (zh) * | 2018-03-05 | 2022-11-08 | 腾讯科技(深圳)有限公司 | 信息分类的方法、信息处理的方法和装置 |
CN109949176B (zh) * | 2019-03-28 | 2022-07-15 | 南京邮电大学 | 一种基于图嵌入的社交网络中异常用户检测方法 |
CN110245269B (zh) * | 2019-05-06 | 2021-01-05 | 创新先进技术有限公司 | 获取关系网络图中节点的动态嵌入向量的方法和装置 |
CN110276193B (zh) * | 2019-05-17 | 2023-08-22 | 创新先进技术有限公司 | 风险特征输出方法、应用运行控制方法、系统及装置 |
CN110210227B (zh) * | 2019-06-11 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 风险检测方法、装置、设备和存储介质 |
CN110796269B (zh) * | 2019-09-30 | 2023-04-18 | 北京明略软件系统有限公司 | 一种生成模型的方法、装置、信息处理的方法及装置 |
CN111405563B (zh) * | 2020-03-24 | 2021-07-13 | 支付宝(杭州)信息技术有限公司 | 保护用户隐私的风险检测方法和装置 |
-
2020
- 2020-03-24 CN CN202010213835.0A patent/CN111405563B/zh active Active
- 2020-11-30 WO PCT/CN2020/132868 patent/WO2021189925A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107592932A (zh) * | 2015-04-14 | 2018-01-16 | 三星电子株式会社 | 用于在移动设备中检测诈骗的装置和方法 |
CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技(深圳)有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021189925A1 (zh) | 2021-09-30 |
CN111405563A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922032B (zh) | 用于确定登录账户的风险的方法、装置、设备及存储介质 | |
CN109344295B (zh) | 分布式图嵌入方法、装置、设备及系统 | |
CN111553488B (zh) | 一种针对用户行为的风险识别模型训练方法及系统 | |
CN111405563B (zh) | 保护用户隐私的风险检测方法和装置 | |
CN110414567A (zh) | 数据处理方法、装置和电子设备 | |
CN109376534B (zh) | 用于检测应用的方法和装置 | |
CN110222775A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107203946B (zh) | 社团群组的定位方法、风险群组的定位方法以及装置 | |
CN113689270B (zh) | 黑产设备的确定方法、电子设备、存储介质及程序产品 | |
CN116167868A (zh) | 基于隐私计算的风险识别方法、装置、设备以及存储介质 | |
CN110874638A (zh) | 面向行为分析的元知识联邦方法、装置、电子设备及系统 | |
CN109905366A (zh) | 终端设备安全验证方法、装置、可读存储介质及终端设备 | |
KR20220155377A (ko) | 계정의 식별방법, 식별장치, 전자 디바이스 및 컴퓨터 판독 가능한 매체 | |
CN114564523B (zh) | 针对智慧虚拟场景的大数据漏洞分析方法及云端ai系统 | |
CN113518086B (zh) | 网络攻击预测的方法、装置及存储介质 | |
CN116415064A (zh) | 双目标域推荐模型的训练方法及装置 | |
CN113468060B (zh) | 一种基于复现思想的程序异常检测方法和装置 | |
US20230012202A1 (en) | Graph computing over micro-level and macro-level views | |
CN113157938B (zh) | 保护隐私数据的多个知识图谱联合处理的方法和装置 | |
CN111860655B (zh) | 用户的处理方法、装置和设备 | |
CN110569659B (zh) | 数据处理方法、装置和电子设备 | |
CN114238992A (zh) | 基于信息安全大数据的威胁漏洞挖掘方法及信息安全系统 | |
CN113554288A (zh) | 一种通用数据质量评估方法及装置 | |
CN111125685A (zh) | 一种网络安全态势的预测方法及装置 | |
CN116304644B (zh) | 一种基于联邦学习的数据处理方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40033187 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |