CN116306975A - 风险检测模型的训练方法及装置 - Google Patents

Abstract

本说明书实施例提供了风险检测模型的训练方法及装置，通过从各种交易数据的海量样本中确定备选样本，再结合基于业务场景对应话术及预设的对话特征，确定风险样本。这样，可以弥补在风险样本识别的过程中存在风险样本遗漏的问题，在有限的预算下获取更多更精准的风险样本。之后，基于风险样本训练风险检测模型，进而得到精准的风险检测模型。

Description

风险检测模型的训练方法及装置

技术领域

本说明书一个或多个实施例涉及信息安全技术领域，尤其涉及风险检测模型的训练方法及装置。

背景技术

目前，用于训练风险检测模型的风险样本，通常是通过异常感知模型挖掘的。因此，该风险样本的准确率会较低，为了提高风险样本的准确率，需要通过人工打标签的方式筛选样本，从而获得高准确率的风险样本。但是，人工打标签的方式基本依赖专家经验，并且打标签的时间成本极高。因此，何如获取高准确率的风险样本，进而得到精准的风险检测模型，是本领域技术人员有待解决的技术问题。

发明内容

本说明书一个或多个实施例描述了风险检测模型的训练方法及装置，能够获取高准确率的风险样本，进而得到精准的风险检测模型。

根据第一方面，本说明书提供一种风险检测模型的训练方法，方法包括：

从各种交易数据的海量样本中确定备选样本；其中，备选样本的数量小于第一阈值，且备选样本的特征值满足第二阈值；

基于业务场景对应话术及预设的对话特征，确定备选样本的附加特征，附加特征用于表征样本的可信度；

基于备选样本及备选样本的附加特征，确定风险样本；

基于风险样本训练风险检测模型。

可选地，第二阈值的数值范围为0.6-1。

可选地，对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。

可选地，基于备选样本及备选样本的附加特征，确定风险样本，包括：

在备选样本中，将可信度满足第一预设条件的样本确定为第一目标样本；

基于边界问询策略，确定第一目标样本中的风险样本，边界问询策略为挑选可信度在边界数值范围内的样本。

可选地，基于边界问询策略，确定第二目标样本中的风险样本，包括：

基于边界问询策略，从第一目标样本中筛选第二目标样本；

在第二目标样本的可信度与预设标准值的误差满足第二预设条件时，将第二目标样本确定为风险样本。

可选地，基于风险样本训练风险检测模型，包括：

基于风险样本，及风险样本中各样本的风险值，训练风险检测模型，样本的风险值是历史风险检测模型根据风险样本确定的。

可选地，基于风险样本创建风险检测模型，包括：

当风险样本的样本数量满足预设数量值时，基于风险样本，及样本库中的历史样本，训练风险检测模型。

根据第二方面，本说明书提供一种风险检测模型的训练装置，该装置包括：第一确定模块、第二确定模块和训练模块，其中，

第一确定模块配置为：从各种交易数据的海量样本中确定备选样本；其中，备选样本的数量小于第一阈值，且备选样本的特征值满足第二阈值；

第二确定模块配置为：基于业务场景对应话术及预设的对话特征，确定备选样本的附加特征，附加特征用于表征样本的可信度；

第三确定模块配置为：基于备选样本及备选样本的附加特征，确定风险样本；

训练模块配置为：基于风险样本训练风险检测模型。

可选地，第二阈值的数值范围为0.6-1。

可选地，对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。

可选地，第三确定模块配置为：

在备选样本中，将可信度满足第一预设条件的样本确定为第一目标样本；

基于边界问询策略，确定第一目标样本中的风险样本，边界问询策略为挑选可信度在边界数值范围内的样本。

可选地，第三确定模块配置为：

基于边界问询策略，从第一目标样本中筛选第二目标样本；

在第二目标样本的可信度与预设标准值的误差满足第二预设条件时，将第二目标样本确定为风险样本。

可选地，训练模块配置为：

基于风险样本，及风险样本中各样本的风险值，训练风险检测模型，样本的风险值是历史风险检测模型根据风险样本确定的。

可选地，训练模块配置为：

当风险样本的样本数量满足预设数量值时，基于风险样本，及样本库中的历史样本，训练风险检测模型。

根据第三方面，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，实现本说明书任一实施例所述的方法。

在本说明书实施例提供的风险检测模型的训练方法及装置，通过从各种交易数据的海量样本中确定备选样本，再结合基于业务场景对应话术及预设的对话特征，确定风险样本。这样，可以弥补在风险样本识别的过程中存在风险样本遗漏的问题，在有限的预算下获取更多更精准的风险样本。之后，基于风险样本训练风险检测模型，进而得到精准的风险检测模型。

通过将配置标签的样本进行训练得到样本模型，该样本模型用于筛选风险样本。这样，在样本筛选环节可以精准的找到风险样本。另外，针对具体应用场景设计了样本模型，在对话结束之后，综合对话信息、情绪信息、场景具体的特征综合做判断，弥补了单纯用文字信息做识别漏过太多的问题。在有限的外呼预算下，能够识别出的风险样本更多。

当风险样本的样本数量与样本库中历史样本的数量相近时，可以风险样本，及样本库中的历史样本，训练风险检测模型。这样，当风险样本的样本数量满足预设数量值时，就可以与样本库中的历史样本的数量级相近，这样直接把风险样本放入历史样本做联合重训，不会存在风险样本量级太小作用不明显的现象发生的问题。

当风险样本的样本数量与样本库中历史样本的数量相差较大时，通过采用增量学习方法，将该风险样本输入历史风险检测模型，输出风险样本中各样本的风险值。再利用风险样本及历史风险检测模型输出的风险值，训练新的风险检测模型。这样，可以约束风险检测模型的参数，使新的风险检测模型在风险样本上的预测结果与历史风险检测模型在风险样本上的预测结果相近，从而使得新的风险检测模型在历史样本上性能不衰退，同时在风险样本上也保持很好的识别结果。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，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他的附图。

图1是本说明书一个实施例提供的风险检测模型的训练方法的流程图；

图2是本说明书一个实施例提供的风险检测模型的训练方法的流程图；

图3是本说明书一个实施例中风险检测模型的训练装置的示意图。

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示出根据一个实施例的风险检测模型的训练方法的流程图。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。参见图1，本说明书实施例提供的风险检测模型的训练方法包括如下步骤：

步骤101，从各种交易数据的海量样本中确定备选样本。

其中，备选样本的数量小于第一阈值，且备选样本的特征值满足第二阈值。可选地，第二阈值的数值范围可以为0.6-1。就是说，第二阈值可以为0.6-1中的任一数值。备选样本的特征值是第二阈值即0.6-1中的任一数值。

其中，第一阈值和第二阈值为人为定义的数值，本发明实施例中不做具体限定。具体实施时，根据实际需求设定。

本步骤具体可实现为：采用无监督异常检测算法，从各种交易数据的海量样本中确定备选样本。示例性的，无监督异常检测算法可以为孤立森林算法。当然，无监督异常检测算法还可以采用其他算法，本发明实施例中不做具体限定。具体的，基于孤立森林算法，从各种交易数据的海量样本中筛选样本数量小于第一阈值的样本，并在该样本中筛选样本的特征值满足第二阈值的样本，该样本即为备选样本。

步骤103，基于业务场景对应话术及预设的对话特征，确定备选样本的附加特征，附加特征用于表征样本的可信度。

其中，附加特征可以用于表征样本的可信度。示例性的，当样本可信时，该附加特征可以为1；当样本不可信时，该附加特征可以为0。当然，该附加特征也可以用百分数表示，例如，该样本可信时，该附加特征可以为100％；当样本可信也不可信时，该附加特征可以为50％；当样本不可信时，该附加特征可以为0。

可选地，对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。

其中，对话的进展情况可以理解为在设定的话术中的进展情况，例如，假设设定的话术为：您是否在购买商品、是否付款、付款金额是否为指定金额，是否有返款等。相应的，对话的进展情况可以为按照设定的话术询问到哪一句。

其中，对话的情绪可以指答复者的情绪。该情绪可以根据对话文本中的感文本和/或叹词确定，例如，“我都说过好几遍了”、“哎呀”、“我很忙”等等。即可确定对话的情绪为烦躁。该情绪也可以根据对话语气确定，示例性的，获取对话音频，根据音频的波幅确定对话语气，从而确定对话的情绪。

其中，偏离实际的特征可以理解为与事实是否相符。例如，实际交易商品为设备，而该商品的交易场所为超市，则偏离实际，该偏离实际的特征为“设备”。再如，购买商品，该商品实际交易金额为10万，而该商品的交易场所为超市，该超市的商品中最大交易额为1万，则偏离实际，该偏离实际的特征为“10万”。

本步骤具体可实现为：基于步骤101中得到的备选样本，可以根据外呼预算选择外呼样本的数量。例如，外呼预算为：一天一万通电话，则在步骤101中得到的备选样本中随机选出一万个样本。基于业务场景对应话术，为一万个样本配置标签。例如，在套现场景，该套现场景对应话术可以为您是否在购买商品、是否付款、付款金额是否为指定金额，是否有返款等。再如，在欺诈场景，该欺诈场景对应话术就可以为是否有人自称公检法、是否有承诺理财收益等。在对话结束时，根据对话内容确定用户是否撒谎，如果用户撒谎，则为样本配置可靠标签；如果用户没撒谎，则为样本配置不可靠标签。由于在很多风险场景中，用户会有堤防心理，通常不会正面回答问题，因此，收集到的风险样本比例较低，可能达不到训练风险检测模型的训练要求。为了获取到精准的风险样本，上述业务场景对应预设的对话特征，该对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。基于业务场景对应话术及预设的对话特征，再为一万个样本配置标签。示例性的，可靠标签可以赋值为1，不可靠标签可以赋值为0。

当然，本发明实施例中，可以将上述中配置标签的样本进行训练得到样本模型，该样本模型用于筛选风险样本。这样，在样本筛选环节可以精准的找到风险样本。另外，针对具体应用场景设计了样本模型，在对话结束之后，综合对话信息、情绪信息、场景具体的特征综合做判断，弥补了单纯用文字信息做识别漏过太多的问题。在有限的外呼预算下，能够识别出的风险样本更多。

步骤105，基于备选样本及备选样本的附加特征，确定风险样本。

在一种具体可实现方式中，如图2所示，步骤105具体可以包括：步骤1051、在备选样本中，将可信度满足第一预设条件的样本确定为第一目标样本；其中，第一预设条件可以为根据场景设定的条件，例如，第一预设条件可以包括标签赋值为1。就是说，步骤1051具体为：在备选样本中，将标签赋值为1的样本确定为第一目标样本。再如，第一预设条件可以包括标签赋值为45％-100％。就是说，步骤1051具体为：在备选样本中，将标签赋值为45％-100％的样本确定为第一目标样本。步骤1053、基于边界问询策略，确定第一目标样本中的风险样本，边界问询策略为挑选可信度在边界数值范围内的样本。或者说，边界问询策略为：可信度与预设标准值的误差满足第二预设条件。

可选地，步骤1053具体可以为：基于边界问询策略，从第一目标样本中筛选第二目标样本；在第二目标样本的可信度与预设标准值的误差满足第二预设条件时，将第二目标样本确定为风险样本。其中，第二预设条件可以为5％，就是说，通过第二预设条件选出标签赋值为45％-55％的样本，作为第二目标样本，该第二目标样本为较难判断的样本。

步骤107，基于风险样本训练风险检测模型。

在一种具体可实现方式中，步骤107具体可以为：当风险样本的样本数量满足预设数量值时，基于风险样本，及样本库中的历史样本，训练风险检测模型。就是说，当风险样本的样本数量与样本库中历史样本的数量相近时，可以风险样本，及样本库中的历史样本，训练风险检测模型。

这样，当风险样本的样本数量满足预设数量值时，就可以与样本库中的历史样本的数量级相近，这样直接把风险样本放入历史样本做联合重训，有效避免风险样本量级太小作用不明显的现象发生。

在另一种具体可实现方式中，步骤107具体可以为：基于风险样本，及风险样本中各样本的风险值，训练风险检测模型，样本的风险值是历史风险检测模型根据风险样本确定的。

其中，历史风险检测模型可以理解为已有的风险检测模型，该风险检测模型是基于历史样本训练得到的，而非基于本申请实施例中获得的风险样本训练的。

在本步骤中，经过上述步骤101-步骤105得到的风险样本，之后，采用增量学习方法，将该风险样本输入历史风险检测模型，输出风险样本中各样本的风险值。再将风险样本，及风险样本中各样本的风险值，训练风险检测模型。这样，可以约束风险检测模型的参数，使风险检测模型在风险样本上的预测结果与历史风险检测模型在风险样本上的预测结果相近，从而使得风险检测模型在历史样本上性能不衰退，同时在风险样本上也保持很好的识别结果。

本说明书实施还提供风险检测模型的训练装置，该风险检测模型的训练装置可以为任何具有计算、处理能力的装置、设备、平台、设备集群。参见图3，本说明书实施例提供的风险检测模型的训练装置300包括：第一确定模块301、第二确定模块303、第三确定模块305和训练模块307，其中，

第一确定模块301配置为：从各种交易数据的海量样本中确定备选样本；其中，备选样本的数量小于第一阈值，且备选样本的特征值满足第二阈值；

第二确定模块303配置为：基于业务场景对应话术及预设的对话特征，确定备选样本的附加特征，附加特征用于表征样本的可信度；

第三确定模块305配置为：基于备选样本及备选样本的附加特征，确定风险样本；

训练模块307配置为：基于风险样本训练风险检测模型。

可选地，第二阈值的数值范围为0.6-1。

可选地，对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。

可选地，第三确定模块305配置为：

在备选样本中，将可信度满足第一预设条件的样本确定为第一目标样本；

基于边界问询策略，确定第一目标样本中的风险样本，边界问询策略为挑选可信度在边界数值范围内的样本。

可选地，第三确定模块305配置为：

基于边界问询策略，从第一目标样本中筛选第二目标样本；

在第二目标样本的可信度与预设标准值的误差满足第二预设条件时，将第二目标样本确定为风险样本。

可选地，训练模块307配置为：

基于风险样本，及风险样本中各样本的风险值，训练风险检测模型，样本的风险值是历史风险检测模型根据风险样本确定的。

可选地，训练模块307配置为：

当风险样本的样本数量满足预设数量值时，基于风险样本，及样本库中的历史样本，训练风险检测模型。

在本说明书实施例提供的风险检测模型的训练装置，通过从各种交易数据的海量样本中确定备选样本，再结合基于业务场景对应话术及预设的对话特征，确定风险样本。这样，可以弥补在风险样本识别的过程中存在风险样本遗漏的问题，在有限的预算下获取更多更精准的风险样本。之后，基于风险样本训练风险检测模型，进而得到精准的风险检测模型。

本说明书一个实施例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，令计算机执行说明书中任一个实施例中的方法。

本说明书一个实施例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，实现执行说明书中任一个实施例中的方法。

可以理解的是，本说明书实施例示意的结构并不构成对风险检测模型的训练装置的具体限定。在说明书的另一些实施例中，风险检测模型的训练装置可以包括比图示更多或者更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。

上述装置、系统内的各模块之间的信息交互、执行过程等内容，由于与本说明书方法实施例基于同一构思，具体内容可参见本说明书方法实施例中的叙述，此处不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

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、挂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 (10)

1.一种风险检测模型的训练方法，所述方法包括：

从各种交易数据的海量样本中确定备选样本；其中，所述备选样本的数量小于第一阈值，且所述备选样本的特征值满足第二阈值；

基于业务场景对应话术及预设的对话特征，确定所述备选样本的附加特征，所述附加特征用于表征样本的可信度；

基于所述备选样本及所述备选样本的附加特征，确定风险样本；

基于所述风险样本训练风险检测模型。

2.根据权利要求1所述的方法，所述第二阈值的数值范围为0.6-1。

3.根据权利要求1所述的方法，所述对话特征包括以下至少一项：对话的进展情况、对话的情绪、偏离实际的特征。

4.根据权利要求1所述的方法，所述基于所述备选样本及所述备选样本的附加特征，确定所述风险样本，包括：

在所述备选样本中，将可信度满足第一预设条件的样本确定为第一目标样本；

基于边界问询策略，确定所述第一目标样本中的所述风险样本，所述边界问询策略为挑选可信度在边界数值范围内的样本。

5.根据权利要求4所述的方法，所述基于边界问询策略，确定所述第二目标样本中的所述风险样本，包括：

基于所述边界问询策略，从所述第一目标样本中筛选第二目标样本；

在所述第二目标样本的可信度与预设标准值的误差满足第二预设条件时，将所述第二目标样本确定为所述风险样本。

6.根据权利要求1-5中任一项所述的方法，所述基于所述风险样本训练风险检测模型，包括：

基于所述风险样本，及所述风险样本中各样本的风险值，训练所述风险检测模型，所述样本的风险值是历史风险检测模型根据所述风险样本确定的。

7.根据权利要求1-5中任一项所述的方法，所述基于所述风险样本创建风险检测模型，包括：

当所述风险样本的样本数量满足预设数量值时，基于所述风险样本，及样本库中的历史样本，训练所述风险检测模型。

8.一种风险检测模型的训练装置，该装置包括：第一确定模块、第二确定模块和训练模块，其中，

所述第一确定模块配置为：从各种交易数据的海量样本中确定备选样本；其中，所述备选样本的数量小于第一阈值，且所述备选样本的特征值满足第二阈值；

所述第二确定模块配置为：基于业务场景对应话术及预设的对话特征，确定所述备选样本的附加特征，所述附加特征用于表征样本的可信度；

所述第三确定模块配置为：基于所述备选样本及所述备选样本的附加特征，确定风险样本；

所述训练模块配置为：基于所述风险样本训练风险检测模型。

9.一种计算设备，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1-7中任一项所述的方法。

10.一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1-7中任一项所述的方法。

Images