CN111783998A - 一种违规账号识别模型训练方法、装置及电子设备 - Google Patents
一种违规账号识别模型训练方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111783998A CN111783998A CN202010619398.2A CN202010619398A CN111783998A CN 111783998 A CN111783998 A CN 111783998A CN 202010619398 A CN202010619398 A CN 202010619398A CN 111783998 A CN111783998 A CN 111783998A
- Authority
- CN
- China
- Prior art keywords
- sample
- account number
- account
- countermeasure
- recognition model
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Character Discrimination (AREA)
Abstract
本申请公开了一种违规账号识别模型训练方法、装置及电子设备,涉及机器学习技术领域。具体实现方案为:获取对抗样本数据集;基于对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;其中,对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、样本账号对应的拼音以及样本账号对应的标签,样本账号对应的标签用于指示样本账号为违规账号或为非违规账号。每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,提高目标识别模型的准确性。
Description
技术领域
本申请涉及计算机技术的机器学习技术领域,尤其涉及一种违规账号识别模型训练方法、装置及电子设备。
背景技术
随着计算机技术的发展,各种应用层出不穷,例如,社交应用是其中常见的一种,社交应用为用户之间的沟通等提供了极大的便利。
然而,目前在各应用中,存在大量的违规用户账号,例如账号中包括传播各类博彩、色情、违禁药品、管制用品等违规信息。目前,常见的违规账号识别模型训练方法包括人工审核或关键词过滤等。
发明内容
本申请提供一种违规账号识别模型训练方法、装置及电子设备,以解决现有违规账号识别准确性较差的问题。
第一方面,本申请一个实施例提供一种违规账号识别模型训练方法,包括:
获取对抗样本数据集;
基于所述对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;
其中,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
本申请违规账号识别模型训练方法进行训练过程中,利用对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型,对抗样本数据集包括N个对抗样本,且每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,提高目标识别模型的准确性。
第二方面,本申请一个实施例提供一种违规账号识别方法,所述方法包括:
获取待识别账号;
基于目标识别模型对待识别账号进行识别,得到所述待识别账号的识别结果;
其中,所述目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
本申请违规账号识别方法进行识别过程中,利用目标识别模型对待识别账号进行识别,而目标识别模型是利用对抗样本数据集对已训练的识别模型进行训练得到,对抗样本数据集包括N个对抗样本,且每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,基于目标识别模型对待识别账号进行识别,提高识别准确性。
第三方面,本申请一个实施例还提供一种违规账号识别模型训练装置,所述装置包括:
第一获取模块,用于获取对抗样本数据集;
训练模块,用于基于所述对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;
其中,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
第四方面,第三方面,本申请一个实施例还提供一种违规账号识别装置,所述装置包括:
第二获取模块,用于获取待识别账号;
识别模块,用于基于目标识别模型对待识别账号进行识别,得到所述待识别账号的识别结果;
其中,所述目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
第五方面,本申请一个实施例还提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请各实施例提供的方法。
第六方面,本申请一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请各实施例提供的方法。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请提供的一个实施例的违规账号识别模型训练方法的流程示意图之一;
图2是本申请提供的一个实施例的违规账号识别模型训练方法的流程示意图之二;
图3是本申请提供的一个实施例的违规账号识别方法的流程示意图;
图4是本申请提供的一个实施例的违规账号识别模型训练装置的结构图之一;
图5是本申请提供的一个实施例的违规账号识别模型训练装置的结构图之二;
图6是本申请提供的一个实施例的违规账号识别装置的结构图;
图7是用来实现本申请实施例的违规账号识别模型训练方法或违规账号识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,根据本申请的实施例,本申请提供一种违规账号识别模型训练方法,包括:
步骤S101:获取对抗样本数据集。
步骤S101:基于对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型。
其中,对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、样本账号对应的拼音以及样本账号对应的标签,样本账号对应的标签用于指示样本账号为违规账号或为非违规账号。
对抗样本(Adversarial examples)可以包括在数据集中通过故意添加细微的干扰所形成的输入样本,会导致模型以高置信度给出一个错误的输出,对抗样本的特点通常是人容易识别而机器不容易识别。样本账号对应的标签用于指示样本账号为违规账号或为非违规账号,例如,标签1用于指示为违规账号,标签0用户指示为非违规账号。
由于一些不同的账号对应的拼音可以相同,例如,例如“bocai”对应的违规账号包括‘*菠菜*’以及‘*b菜*’等;“shangmenfuwu”对应的违规账号包括‘*尚m服雾*’以及‘*s门菔誤*’等;“yueweixin”对应的违规账号包括‘*可悦vx*’以及‘*月wx*’等。样本账号可以理解为对抗样本账号,对抗样本中不但包括样本账号,而且还包括对抗样本对应的拼音。在本实施例中,通过对抗样本集中N个对抗样本对已训练的识别模型进行训练,得到目标识别模型。通过目标识别模型可提高对漏过检测机制的违规账号的识别准确性以及提高识别率,适用于NLP模型的各类场景,包括敏感词绕过检测、评论检测等场景。
本申请违规账号识别模型训练方法进行训练过程中,利用对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型,对抗样本数据集包括N个对抗样本,且每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,提高目标识别模型的准确性。
如图2所示,在一个实施例中,获取对抗样本数据集的步骤S101,包括:
S1011:获取N个样本账号。
N个样本账号包括通过已训练的违规账号识别模型进行识别得到的识别结果为非违规账号,且真实结果为违规账号的M个第一样本账号,以及P个为非违规账号的第二样本账号,M为正整数,P为正整数,M和P之和为N;
S1012:确定N个样本账号对应的拼音;
S1013:基于N个样本账号、N个样本账号对应的拼音以及N个样本账号的标签,创建对抗样本数据集。
第一样本账号是在实际应用中通过已训练的违规账号识别模型进行识别得到的识别结果为非违规账号,但其真实结果为违规账号的账号,这类账号是模型识别困难的账号,将其与对应的拼音组成本次训练中的训练样本对模型进行训练,可增强模型对这类账号的识别准确性。另外,用于训练的N个样本账号中,还包括为正常账号的P个样本账号以及对应的拼音,既使用难以识别的违规账号,又使用正常账号对已训练的识别模型进行训练,提高得到的目标识别模型准确性。
在一个实施例中,确定N个样本账号对应的拼音包括:在N个样本账号中包括目标样本账号的情况下,将N个样本账号中目标样本账号中预设字符删除,得到更新后的N个样本账号,其中,目标样本账号中包括预设字符;确定更新后的N个样本账号对应的拼音。
即在本实施例中,在确定拼音过程中,由于样本账号中可能还包括没有拼音的特殊字符,即上述预设字符,例如空格、@字符、&字符等,需要对这些特殊进行删除处理。将N个样本账号中包括预设字符的目标样本字符中的预设字符删除,更新目标样本字符,N个样本账号中不包括预设字符的样本账号无需进行预设字符删除,即无需更新,如此,实现对N个样本账号的更新,可以是理解是N个样本账号中目标样本账号的更新。如此,使得到更加准确的拼音,提高对抗样本的准确性,依此对已训练的识别模型进行训练,提高目标识别模型的准确性。
在一个实施例中,已训练的违规账号识别模型为已训练的自然语言处理NLP模型,目标识别模型为目标NLP模型。
NLP(Natural Langunge Possns,自然语言处理)是计算机科学领域以及人工智能领域的一个重要的研究方向,它研究用计算机来处理、理解以及运用人类语言(如中文、英文等),达到人与计算机之间进行有效通讯。通过利用对抗样本数据集对已训练好的自然语言处理NLP模型进行增强训练,得到目标NLP模型,提高目标NLP模型的对抗能力。
如图3所示,本申请还提供一种违规账号识别方法,方法包括:
步骤S301:获取待识别账号;
步骤S302:基于目标识别模型对待识别账号进行识别,得到待识别账号的识别结果;
其中,目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、样本账号对应的拼音以及样本账号对应的标签,样本账号对应的标签用于指示样本账号为违规账号或为非违规账号。
样本账号可以理解为对抗样本账号,对抗样本中不但包括样本账号,而且还包括对抗样本对应的拼音。在本实施例中,通过对抗样本集中N个对抗样本对已训练的识别模型进行训练,得到目标识别模型。
本申请违规账号识别方法进行识别过程中,利用目标识别模型对待识别账号进行识别,而目标识别模型是利用对抗样本数据集对已训练的识别模型进行训练得到,对抗样本数据集包括N个对抗样本,且每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,基于目标识别模型对待识别账号进行识别,提高识别准确性。
请参考图4,本申请提供一种实施例的一种违规账号识别模型训练装置400,装置400包括:
第一获取模块401,用于获取对抗样本数据集;
训练模块402,用于基于对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;
其中,对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、样本账号对应的拼音以及样本账号对应的标签,样本账号对应的标签用于指示样本账号为违规账号或为非违规账号。
请参考图5,在一个实施例中,第一获取模块401,包括:
获取子模块4011,用于获取N个样本账号,N个样本账号包括通过已训练的违规账号识别模型进行识别得到的识别结果为非违规账号,且真实结果为违规账号的M个第一样本账号,以及P个为非违规账号的第二样本账号,M为正整数,P为正整数,M和P之和为N;
确定模块4012,用于确定N个样本账号对应的拼音;
创建模块4013,用于基于N个样本账号、N个样本账号对应的拼音以及N个样本账号的标签,创建对抗样本数据集。
在一个实施例中,确定模块包括:
删除模块,用于在N个样本账号中包括目标样本账号的情况下,将N个样本账号中目标样本账号中预设字符删除,得到更新后的N个样本账号,其中,目标样本账号中包括预设字符;
拼音确定模块,用于确定更新后的N个样本账号对应的拼音。
在一个实施例中,已训练的违规账号识别模型为已训练的自然语言处理NLP模型,目标识别模型为目标NLP模型。
上述各实施例的违规账号识别模型训练装置为实现上述各实施例的违规账号识别模型训练方法的装置,技术特征对应,技术效果对应,在此不再赘述。
如图6所示,本申请提供一种实施例的违规账号识别装置600,装置包括:
第二获取模块601,用于获取待识别账号;
识别模块602,用于基于目标识别模型对待识别账号进行识别,得到待识别账号的识别结果;
其中,目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、样本账号对应的拼音以及样本账号对应的标签,样本账号对应的标签用于指示样本账号为违规账号或为非违规账号。
上述各实施例的违规账号识别装置为实现上述各实施例的违规账号识别方法的装置,技术特征对应,技术效果对应,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的违规账号识别模型训练方法或违规账号识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的违规账号识别模型训练方法或违规账号识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的违规账号识别模型训练方法或违规账号识别方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的违规账号识别模型训练方法或违规账号识别方法对应的程序指令/模块(例如,附图4所示的第一获取模块401、训练模块402,或者图6中的第二获取模块601、识别模块602)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的违规账号识别模型训练方法或违规账号识别方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据键盘显示的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至键盘显示的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
违规账号识别模型训练方法或违规账号识别方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与键盘显示的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,利用对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型,对抗样本数据集包括N个对抗样本,且每个对抗样本中不但包括样本账号,而且还包括样本账号对应的拼音,利用该抗样本数据集对已训练的识别模型进行训练,使得模型也可以识别特定的对抗样本攻击,提高目标识别模型的准确性。
如图7所示,是根据本申请实施例的违规账号识别模型训练方法或违规账号识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,是根据本申请实施例的违规账号识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种违规账号识别模型训练方法,所述方法包括:
获取对抗样本数据集;
基于所述对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;
其中,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
2.根据权利要求1所述的方法,其中,所述获取对抗样本数据集,包括:
获取N个样本账号,所述N个样本账号包括通过所述已训练的违规账号识别模型进行识别得到的识别结果为非违规账号,且真实结果为违规账号的M个第一样本账号,以及P个为非违规账号的第二样本账号,M为正整数,P为正整数,M和P之和为N;
确定所述N个样本账号对应的拼音;
基于所述N个样本账号、所述N个样本账号对应的拼音以及所述N个样本账号的标签,创建所述对抗样本数据集。
3.根据权利要求2所述的方法,其中,所述确定所述N个样本账号对应的拼音包括:
在所述N个样本账号中包括目标样本账号的情况下,将N个样本账号中所述目标样本账号中预设字符删除,得到更新后的N个样本账号,其中,所述目标样本账号中包括所述预设字符;
确定所述更新后的N个样本账号对应的拼音。
4.根据权利要求1所述的方法,其中,所述已训练的违规账号识别模型为已训练的自然语言处理NLP模型,所述目标识别模型为目标NLP模型。
5.一种违规账号识别方法,所述方法包括:
获取待识别账号;
基于目标识别模型对待识别账号进行识别,得到所述待识别账号的识别结果;
其中,所述目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
6.一种违规账号识别模型训练装置,所述装置包括:
第一获取模块,用于获取对抗样本数据集;
训练模块,用于基于所述对抗样本数据集对已训练的识别模型进行训练,得到目标识别模型;
其中,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
7.根据权利要求6所述的装置,其中,所述第一获取模块,包括:
获取子模块,用于获取N个样本账号,所述N个样本账号包括通过所述已训练的违规账号识别模型进行识别得到的识别结果为非违规账号,且真实结果为违规账号的M个第一样本账号,以及P个为非违规账号的第二样本账号,M为正整数,P为正整数,M和P之和为N;
确定模块,用于确定所述N个样本账号对应的拼音;
创建模块,用于基于所述N个样本账号、所述N个样本账号对应的拼音以及所述N个样本账号的标签,创建所述对抗样本数据集。
8.根据权利要求7所述的装置,其中,所述确定模块包括:
删除模块,用于在所述N个样本账号中包括目标样本账号的情况下,将N个样本账号中所述目标样本账号中预设字符删除,得到更新后的N个样本账号,其中,所述目标样本账号中包括所述预设字符;
拼音确定模块,用于确定所述更新后的N个样本账号对应的拼音。
9.根据权利要求6所述的装置,其中,所述已训练的违规账号识别模型为已训练的自然语言处理NLP模型,所述目标识别模型为目标NLP模型。
10.一种违规账号识别装置,所述装置包括:
第二获取模块,用于获取待识别账号;
识别模块,用于基于目标识别模型对待识别账号进行识别,得到所述待识别账号的识别结果;
其中,所述目标识别模型基于对抗样本数据集对已训练的识别模型进行训练得到,所述对抗样本数据集包括N个对抗样本,N为正整数,每个对抗样本中包括样本账号、所述样本账号对应的拼音以及所述样本账号对应的标签,所述样本账号对应的标签用于指示所述样本账号为违规账号或为非违规账号。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-5任一所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如权利要求1-5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619398.2A CN111783998B (zh) | 2020-06-30 | 2020-06-30 | 一种违规账号识别模型训练方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010619398.2A CN111783998B (zh) | 2020-06-30 | 2020-06-30 | 一种违规账号识别模型训练方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783998A true CN111783998A (zh) | 2020-10-16 |
CN111783998B CN111783998B (zh) | 2023-08-11 |
Family
ID=72759930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010619398.2A Active CN111783998B (zh) | 2020-06-30 | 2020-06-30 | 一种违规账号识别模型训练方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783998B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163218A (zh) * | 2021-02-09 | 2021-07-23 | 百果园技术(新加坡)有限公司 | 直播间内用户的检测方法和系统、电子设备及存储介质 |
CN113609507A (zh) * | 2021-08-19 | 2021-11-05 | 上海明略人工智能(集团)有限公司 | 一种数据伦理方法、系统、电子设备及介质 |
CN113762585A (zh) * | 2021-05-17 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 数据的处理方法、账号类型的识别方法及装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120196629A1 (en) * | 2011-01-28 | 2012-08-02 | Protext Mobility, Inc. | Systems and methods for monitoring communications |
CN104318268A (zh) * | 2014-11-11 | 2015-01-28 | 苏州晨川通信科技有限公司 | 一种基于局部距离度量学习的多交易账户识别方法 |
CN106657016A (zh) * | 2016-11-10 | 2017-05-10 | 北京奇艺世纪科技有限公司 | 一种非法用户名的识别方法和系统 |
CN106709513A (zh) * | 2016-12-10 | 2017-05-24 | 中泰证券股份有限公司 | 一种基于有监督机器学习的证券配资账户识别方法 |
US20180150769A1 (en) * | 2016-11-29 | 2018-05-31 | International Business Machines Corporation | Method to determine columns that contain location data in a data set |
CN109036389A (zh) * | 2018-08-28 | 2018-12-18 | 出门问问信息科技有限公司 | 一种对抗样本的生成方法及装置 |
CN109117482A (zh) * | 2018-09-17 | 2019-01-01 | 武汉大学 | 一种面向中文文本情感倾向性检测的对抗样本生成方法 |
CN109670041A (zh) * | 2018-11-29 | 2019-04-23 | 天格科技(杭州)有限公司 | 一种基于双通道文本卷积神经网络的带噪非法短文本识别方法 |
US20190130221A1 (en) * | 2017-11-02 | 2019-05-02 | Royal Bank Of Canada | Method and device for generative adversarial network training |
CN109766991A (zh) * | 2019-01-14 | 2019-05-17 | 电子科技大学 | 一种采用对抗性训练的人工智能优化系统及方法 |
CN109978033A (zh) * | 2019-03-15 | 2019-07-05 | 第四范式(北京)技术有限公司 | 同操作人识别模型的构建与同操作人识别的方法和装置 |
US20190220755A1 (en) * | 2018-01-18 | 2019-07-18 | Google Llc | Systems and Methods for Improved Adversarial Training of Machine-Learned Models |
CN110134966A (zh) * | 2019-05-21 | 2019-08-16 | 中电健康云科技有限公司 | 一种敏感信息确定方法及装置 |
US20190258783A1 (en) * | 2018-02-21 | 2019-08-22 | International Business Machines Corporation | Stolen machine learning model identification |
CN110222774A (zh) * | 2019-06-10 | 2019-09-10 | 百度在线网络技术(北京)有限公司 | 非法图像鉴别方法、装置、内容安全防火墙及存储介质 |
CN110263817A (zh) * | 2019-05-28 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户账号的风险等级划分方法及装置 |
CN110347797A (zh) * | 2019-07-10 | 2019-10-18 | 广州市百果园信息技术有限公司 | 文本信息的侦测方法、系统、设备及存储介质 |
CN110378474A (zh) * | 2019-07-26 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 对抗样本生成方法、装置、电子设备和计算机可读介质 |
US20190371299A1 (en) * | 2017-02-28 | 2019-12-05 | Huawei Technologies Co., Ltd. | Question Answering Method and Apparatus |
CN110741388A (zh) * | 2019-08-14 | 2020-01-31 | 东莞理工学院 | 对抗样本检测方法、装置、计算设备及计算机存储介质 |
CN110767216A (zh) * | 2019-09-10 | 2020-02-07 | 浙江工业大学 | 一种基于pso算法的语音识别攻击防御方法 |
CN110909877A (zh) * | 2019-11-29 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 神经网络模型结构搜索方法、装置、电子设备及存储介质 |
CN111259207A (zh) * | 2018-11-30 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 短信的识别方法、装置及设备 |
-
2020
- 2020-06-30 CN CN202010619398.2A patent/CN111783998B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120196629A1 (en) * | 2011-01-28 | 2012-08-02 | Protext Mobility, Inc. | Systems and methods for monitoring communications |
CN104318268A (zh) * | 2014-11-11 | 2015-01-28 | 苏州晨川通信科技有限公司 | 一种基于局部距离度量学习的多交易账户识别方法 |
CN106657016A (zh) * | 2016-11-10 | 2017-05-10 | 北京奇艺世纪科技有限公司 | 一种非法用户名的识别方法和系统 |
US20180150769A1 (en) * | 2016-11-29 | 2018-05-31 | International Business Machines Corporation | Method to determine columns that contain location data in a data set |
CN106709513A (zh) * | 2016-12-10 | 2017-05-24 | 中泰证券股份有限公司 | 一种基于有监督机器学习的证券配资账户识别方法 |
US20190371299A1 (en) * | 2017-02-28 | 2019-12-05 | Huawei Technologies Co., Ltd. | Question Answering Method and Apparatus |
US20190130221A1 (en) * | 2017-11-02 | 2019-05-02 | Royal Bank Of Canada | Method and device for generative adversarial network training |
US20190220755A1 (en) * | 2018-01-18 | 2019-07-18 | Google Llc | Systems and Methods for Improved Adversarial Training of Machine-Learned Models |
US20190258783A1 (en) * | 2018-02-21 | 2019-08-22 | International Business Machines Corporation | Stolen machine learning model identification |
CN109036389A (zh) * | 2018-08-28 | 2018-12-18 | 出门问问信息科技有限公司 | 一种对抗样本的生成方法及装置 |
CN109117482A (zh) * | 2018-09-17 | 2019-01-01 | 武汉大学 | 一种面向中文文本情感倾向性检测的对抗样本生成方法 |
CN109670041A (zh) * | 2018-11-29 | 2019-04-23 | 天格科技(杭州)有限公司 | 一种基于双通道文本卷积神经网络的带噪非法短文本识别方法 |
CN111259207A (zh) * | 2018-11-30 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 短信的识别方法、装置及设备 |
CN109766991A (zh) * | 2019-01-14 | 2019-05-17 | 电子科技大学 | 一种采用对抗性训练的人工智能优化系统及方法 |
CN109978033A (zh) * | 2019-03-15 | 2019-07-05 | 第四范式(北京)技术有限公司 | 同操作人识别模型的构建与同操作人识别的方法和装置 |
CN110134966A (zh) * | 2019-05-21 | 2019-08-16 | 中电健康云科技有限公司 | 一种敏感信息确定方法及装置 |
CN110263817A (zh) * | 2019-05-28 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户账号的风险等级划分方法及装置 |
CN110222774A (zh) * | 2019-06-10 | 2019-09-10 | 百度在线网络技术(北京)有限公司 | 非法图像鉴别方法、装置、内容安全防火墙及存储介质 |
CN110347797A (zh) * | 2019-07-10 | 2019-10-18 | 广州市百果园信息技术有限公司 | 文本信息的侦测方法、系统、设备及存储介质 |
CN110378474A (zh) * | 2019-07-26 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 对抗样本生成方法、装置、电子设备和计算机可读介质 |
CN110741388A (zh) * | 2019-08-14 | 2020-01-31 | 东莞理工学院 | 对抗样本检测方法、装置、计算设备及计算机存储介质 |
CN110767216A (zh) * | 2019-09-10 | 2020-02-07 | 浙江工业大学 | 一种基于pso算法的语音识别攻击防御方法 |
CN110909877A (zh) * | 2019-11-29 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 神经网络模型结构搜索方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
DOU GOODMAN 等: "FastWordBug: A Fast Method To Generate Adversarial Text Against NLP Applications", 《ARXIV:2002.00760V1 [CS.CL]》, pages 1 - 7 * |
宋蕾;马春光;段广晗;: "机器学习安全及隐私保护研究进展.", 网络与信息安全学报, no. 08, pages 1 - 11 * |
张建权;: "基于CNN和BiGRU-attention的互联网敏感实体识别方法", 网络安全技术与应用, no. 04, pages 61 - 65 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163218A (zh) * | 2021-02-09 | 2021-07-23 | 百果园技术(新加坡)有限公司 | 直播间内用户的检测方法和系统、电子设备及存储介质 |
CN113762585A (zh) * | 2021-05-17 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 数据的处理方法、账号类型的识别方法及装置 |
CN113609507A (zh) * | 2021-08-19 | 2021-11-05 | 上海明略人工智能(集团)有限公司 | 一种数据伦理方法、系统、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111783998B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428507B (zh) | 实体链指方法、装置、设备以及存储介质 | |
CN111709247B (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
CN111507104B (zh) | 建立标签标注模型的方法、装置、电子设备和可读存储介质 | |
CN111967268A (zh) | 文本中的事件抽取方法、装置、电子设备和存储介质 | |
CN111783998A (zh) | 一种违规账号识别模型训练方法、装置及电子设备 | |
CN112001180A (zh) | 多模态预训练模型获取方法、装置、电子设备及存储介质 | |
CN112036509A (zh) | 用于训练图像识别模型的方法和装置 | |
US11615242B2 (en) | Method and apparatus for structuring data, related computer device and medium | |
CN111079945B (zh) | 端到端模型的训练方法及装置 | |
CN111611468B (zh) | 页面交互方法、装置和电子设备 | |
CN112000792A (zh) | 自然灾害事件的抽取方法、装置、设备以及存储介质 | |
CN111061868A (zh) | 读法预测模型获取及读法预测方法、装置及存储介质 | |
CN111241810A (zh) | 标点预测方法及装置 | |
CN111078878A (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN112507101A (zh) | 一种建立预训练语言模型的方法和装置 | |
CN111950291A (zh) | 语义表示模型的生成方法、装置、电子设备及存储介质 | |
CN112380847B (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
CN111127191A (zh) | 风险评估方法及装置 | |
CN111984825A (zh) | 用于搜索视频的方法和装置 | |
CN111858905A (zh) | 模型训练方法、信息识别方法、装置、电子设备及存储介质 | |
CN111831814A (zh) | 摘要生成模型的预训练方法、装置、电子设备和存储介质 | |
CN111858880A (zh) | 获取查询结果的方法、装置、电子设备和可读存储介质 | |
CN111241242A (zh) | 目标内容的确定方法、装置、设备及计算机可读存储介质 | |
CN112232089B (zh) | 语义表示模型的预训练方法、设备和存储介质 | |
CN112270169B (zh) | 对白角色预测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |