【技術實現步驟摘要】
本文件涉及計算機，尤其涉及一種數據處理方法、裝置及設備。
技術介紹
1、隨著人們對自己的隱私數據越來越重視，為了保護用戶隱私、保證數據的安全性，需要對用戶是否為風險用戶進行檢測，以保障用戶的數據安全性。如可以通過安全人員對用戶數據進行人工分析的方式，對用戶是否為風險用戶進行檢測。
2、但是，由于用戶數據的數據結構越來越復雜，數據量也越來越大，通過人工分析的方式進行風險檢測的檢測效率和檢測準確性低下。為此，本說明書實施例提供一種更優的對用戶進行風險檢測的技術方案。
技術實現思路
1、本說明書實施例的目的是提供一種更優的對用戶進行風險檢測的技術方案。
2、為了實現上述技術方案，本說明書實施例是這樣實現的：
3、本說明書實施例提供的一種數據處理方法，所述方法包括：接收針對目標用戶的風險檢測請求；響應于所述風險檢測請求，獲取所述目標用戶對應的待檢測數據，所述待檢測數據包含與所述目標用戶的資源轉移行為相關的多模態的特征數據；將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量，其中，所述第一數據處理層之間的節點關聯關系根據所述特征數據確定；通過所述預先訓練的檢測模型的第二模塊，對多個所述特征向量之間的關系進行特征檢測處理，并根據特征檢測結果確
4、本說明書實施例提供的一種數據處理裝置，所述裝置包括：請求接收模塊，用于接收針對目標用戶的風險檢測請求；數據獲取模塊，用于響應于所述風險檢測請求，獲取所述目標用戶對應的待檢測數據，所述待檢測數據包含與所述目標用戶的資源轉移行為相關的多模態的特征數據；第一處理模塊，用于將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量，其中，所述第一數據處理層之間的節點關聯關系根據所述特征數據確定；風險檢測模塊，用于通過所述預先訓練的檢測模型的第二模塊，對多個所述特征向量之間的關系進行特征檢測處理，并根據特征檢測結果確定針對所述目標用戶的風險檢測結果。
5、本說明書實施例提供的一種數據處理設備，所述數據處理設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：接收針對目標用戶的風險檢測請求；響應于所述風險檢測請求，獲取所述目標用戶對應的待檢測數據，所述待檢測數據包含與所述目標用戶的資源轉移行為相關的多模態的特征數據；將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量，其中，所述第一數據處理層之間的節點關聯關系根據所述特征數據確定；通過所述預先訓練的檢測模型的第二模塊，對多個所述特征向量之間的關系進行特征檢測處理，并根據特征檢測結果確定針對所述目標用戶的風險檢測結果。
6、本說明書實施例還提供了一種存儲介質，所述存儲介質用于存儲計算機可執行指令，所述可執行指令在被處理器執行時實現以下流程：接收針對目標用戶的風險檢測請求；響應于所述風險檢測請求，獲取所述目標用戶對應的待檢測數據，所述待檢測數據包含與所述目標用戶的資源轉移行為相關的多模態的特征數據；將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量，其中，所述第一數據處理層之間的節點關聯關系根據所述特征數據確定；通過所述預先訓練的檢測模型的第二模塊，對多個所述特征向量之間的關系進行特征檢測處理，并根據特征檢測結果確定針對所述目標用戶的風險檢測結果。
7、本說明書實施例還提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現以下流程：接收針對目標用戶的風險檢測請求；響應于所述風險檢測請求，獲取所述目標用戶對應的待檢測數據，所述待檢測數據包含與所述目標用戶的資源轉移行為相關的多模態的特征數據；將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量，其中，所述第一數據處理層之間的節點關聯關系根據所述特征數據確定；通過所述預先訓練的檢測模型的第二模塊，對多個所述特征向量之間的關系進行特征檢測處理，并根據特征檢測結果確定針對所述目標用戶的風險檢測結果。
本文檔來自技高網...【技術保護點】
1.一種數據處理方法，包括：
2.根據權利要求1所述的方法，所述第二模塊的激活函數位于所述第二模塊的網絡節點，且所述第二模塊的激活函數為不可學習的激活函數，在所述將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量之前，還包括：
3.根據權利要求2所述的方法，所述待檢測數據包括圖像數據、所述目標用戶的資源轉移行為序列數據、表格數據，以及圖結構數據，所述圖結構數據根據所述目標用戶與其他用戶之間的資源轉移關系構建。
4.根據權利要求3所述的方法，所述將所述歷史檢測數據輸入到所述檢測模型的第一模塊進行特征提取處理，得到與每個所述歷史特征數據對應的歷史特征向量，包括：
5.根據權利要求2所述的方法，所述第二模塊包含多個第二數據處理層，所述第二數據處理層用于根據第一映射結果和第二映射結果，確定所述第二數據處理層的輸出數據，所述第
6.根據權利要求5所述的方法，所述對所述第二模塊中節點之間的邊的權重進行更新處理，包括：
7.根據權利要求1所述的方法，所述方法還包括：
8.根據權利要求1所述的方法，所述方法還包括：
9.一種數據處理裝置，包括：
10.一種數據處理設備，所述數據處理設備包括：
...【技術特征摘要】
1.一種數據處理方法，包括：
2.根據權利要求1所述的方法，所述第二模塊的激活函數位于所述第二模塊的網絡節點，且所述第二模塊的激活函數為不可學習的激活函數，在所述將所述待檢測數據輸入到預先訓練的檢測模型的第一模塊進行特征提取處理，以通過所述第一模塊中多個第一數據處理層中的與每個所述特征數據對應的節點，基于邊上的可學習的激活函數，對所述節點的前一節點的輸出結果進行處理得到的輸入信息進行匯總處理，得到與每個所述特征數據對應的特征向量之前，還包括：
3.根據權利要求2所述的方法，所述待檢測數據包括圖像數據、所述目標用戶的資源轉移行為序列數據、表格數據，以及圖結構數據，所述圖結構數據根據所述目標用戶與其他用戶之間的資源轉移關系構建。
4.根據權利要求3所述的方法，所述將所述歷史檢測數據輸入到所述檢測模型的第一模塊...
【專利技術屬性】
技術研發人員：張明明，王寧濤，傅幸，
申請(專利權)人：螞蟻智信杭州信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。