具有交互分类的可解释系统技术方案

公开了一种方法

【技术实现步骤摘要】
【国外来华专利技术】具有交互分类的可解释系统
[0001]相关申请交叉引用
[0002]本申请是PCT申请，其要求于2021年3月17日提交的美国临时专利申请号63/162,330的优先权和利益，该申请通过引用结合于此。

技术介绍

[0003]现有算法可以基于已知数据对数据进行分类，但是数据的分类可能非常笼统，并且对分类数据进行更精细的分类通常是期望的。例如，恶意交互发生在许多不同的场景中，并且需要标识当前未被标记为恶意或非恶意的交互。这样的交互通常可以被计算机分类为恶意的，但是需要进一步的信息来确定特定交互是恶意的原因。例如，因为账户是金字塔骗局的一部分，或者因为账户被黑客获得，所以交互可以被标记为恶意的或欺诈性的。必须了解交互是恶意的原因，使得这种交互系统的操作者或管理者知道如何解决它们。虽然可以手动分析数据来确定交互是恶意的原因，但这是缓慢而繁琐的。如果存在大量的交互数据，那么这样做也是不实际的。
[0004]本公开的实施例单独地和共同地解决了此问题和其它问题。

技术实现思路

[0005]本专利技术的一个实施例包括一种方法。该方法包括：由包括自动编码器模块的服务器计算机接收包括第一多个特征值的第一数据集，该第一多个特征值对应于交互的多个特征；将第一数据集输入到自动编码器模块中；由自动编码器模块输出第二数据集，该第二数据集包括对应于交互的多个特征的第二多个特征值；由服务器计算机使用第一数据集和第二数据集计算特征偏差数据集；以及由服务器计算机基于特征偏差数据集确定活动的类型。
[0006]另一实施例包括一种服务器计算机，该服务器计算机包括处理器和非瞬态计算机可读介质。非瞬态计算机可读媒体包含可由处理器执行以执行操作的指令，这些操作包括：由包括自动编码器模块的服务器计算机接收包括第一多个特征值的第一数据集，该第一多个特征值对应于交互的多个特征；将第一数据集输入到自动编码器模块中；由自动编码器模块输出第二数据集，该第二数据集包括对应于交互的多个特征的第二多个特征值；由服务器计算机使用第一数据集和第二数据集计算特征偏差数据集；以及由服务器计算机基于特征偏差数据集确定活动的类型。
[0007]可参考以下详细描述和附图来更好地理解本专利技术的实施例的性质和优点。
附图说明
[0008]图1示出了欺诈评分系统的框图。
[0009]图2示出了根据实施例的可解释分类系统的框图。
[0010]图3示出了根据实施例的分类工作流的框图。
[0011]图4示出了根据实施例的自动编码器的框图。
[0012]图5示出了根据实施例计算特征偏差数据集的图示。
[0013]图6示出了根据实施例的确定排序特征偏差数据集的图示。
[0014]图7A示出了根据实施例的第一排序特征偏差数据集。
[0015]图7B示出了根据实施例的账户接管特征网络。
[0016]图8A示出了根据实施例的第二排序特征偏差数据集。
[0017]图8B示出了根据实施例的授权推送交互特征网络。
[0018]图9A示出了根据实施例的第三排序特征偏差数据集。
[0019]图9B示出了根据实施例的金字塔骗局特征网络。
[0020]图10示出了根据实施例的常规排序特征偏差数据集。
[0021]图11示出了根据实施例的未解析的排序特征偏差数据集。
[0022]图12示出了根据实施例的示例性服务器计算机的框图。
具体实施方式
[0023]在论述本公开的实施例之前，可以进一步详细地描述一些术语。
[0024]“授权实体”可以是对请求授权的实体。授权实体的示例可以是发行方、政府机构、文件存储库、访问管理员等。授权实体可以操作授权实体计算机。“发行方”可以指发行并任选地维护用户账户的商业实体(例如，银行)。发行方也可以向消费者发行存储在诸如蜂窝电话、智能卡、平板计算机或膝上型计算机的用户设备上的支付凭证。
[0025]“用户”可以包括个人。在一些实施例中，用户可以与一个或多个个人账户和/或移动装置相关联。在一些实施例中，用户也可被称为持卡人、账户持有人或消费者。
[0026]“交互”可以包括互惠作用或影响。“交互”可以包括各方、各装置和/或各实体之间的通信、联系或交换。示例交互包括两方之间的交易和两个装置之间的数据交换。在一些实施例中，交互可以包括用户请求访问安全数据、安全网页、安全位置等。在其它实施例中，交互可以包括支付交易，在所述支付交易中，两个装置可以交互以促进支付。
[0027]“特征”可以是正在被观察的现象的单个可测量的属性或特性。“交互特征”可以包括交互的可测量属性或特性。交互特征的示例可以包括交互的时间和/或数据、参与交互的各方、交互的量、交互的项、在交互中交易的商品、服务或权利、交互速度、网络活动、流出量、账号、IP地址等。
[0028]“特征值”可以是与特定特征相关联的值。例如，诸如“金额”的交互特征可以具有诸如$10.00的特征值。
[0029]“处理器”可以指任何合适的一个或多个数据计算设备。处理器可以包括一起工作以实现所要功能的一个或多个微处理器。处理器可以包括CPU，所述CPU包括至少一个高速数据处理器，所述高速数据处理器足以执行用于执行用户和/或系统生成的请求的程序成分。CPU可以是微处理器，例如AMD的Athlon、Duron和/或Opteron；IBM和/或Motorola的PowerPC；IBM和Sony的Cell处理器；Intel的Celeron、Itanium、Pentium、Xeon和/或XScale；和/或类似的处理器。
[0030]“存储器”可以是能够存储电子数据的任何合适的一个或多个设备。合适的存储器可以包括非瞬态计算机可读介质，其存储可以由处理器执行以实施期望方法的指令。存储器的示例可以包括一个或多个存储器芯片、磁盘驱动器等。此类存储器可以使用任何合适
的电、光和/或磁操作模式来操作。
[0031]“服务器计算机”可以包括功能强大的计算机或计算机集群。例如，服务器计算机可以是大型主机、小型计算机集群，或者像单元一样工作的一组服务器。在一个示例中，服务器计算机可以是耦合到Web服务器的数据库服务器。服务器计算机可以包括一个或多个计算设备，并且可以使用多种计算结构、布置和编译中的任一种来服务于来自一个或多个客户端计算机的请求。
[0032]图1示出了欺诈评分系统的框图。欺诈评分系统可以用于通过给交易分配欺诈分数来确定交易是否是欺诈交易。一组输入特征100可以用于训练学习模型102。该组输入特征100可以是交易的一组交易特征。交易特征的示例可以包括金额、交易的位置、与交易相关联的IP地址、交易的各方、交易中使用的账号、与交易的各方相关联的交易速度等。
[0033]学习模型102可以是使用多个交易训练的机器学习模型(例如，无监督学习模型)。学习模型102可以学习合法交易背后的底层模式。
[0034]在实施例中，实时交互104可以被馈送到学习模型102中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，所述方法包括：由包括自动编码器模块的服务器计算机接收包括第一多个特征值的第一数据集，所述第一多个特征值对应于交互的多个特征；将所述第一数据集输入到所述自动编码器模块中；由所述自动编码器模块输出第二数据集，所述第二数据集包括对应于所述交互的所述多个特征的第二多个特征值；由所述服务器计算机使用所述第一数据集和所述第二数据集来计算特征偏差数据集；以及由所述服务器计算机基于所述特征偏差数据集来确定活动的类型。2.根据权利要求1所述的方法，其特征在于，基于所述特征偏差数据集来确定所述活动的类型包括对所述特征偏差数据集进行排序。3.根据权利要求1所述的方法，其特征在于，所述第一数据集是从实体计算机接收的，并且其中所述交互对应于与所述实体计算机相关联地执行的交互。4.根据权利要求1所述的方法，其特征在于，所述交互的所述多个特征包括交互级别特征、账户特征、长期特征、速度特征或图形特征中的一个或多个。5.根据权利要求1所述的方法，其特征在于，所述自动编码器模块包括包含多个神经网络层的编码器和包含多个神经网络层的解码器。6.根据权利要求1所述的方法，其特征在于，所述活动的类型是账户接管欺诈、电子邮件泄露欺诈、授权推送交互欺诈或金字塔骗局欺诈中的一种。7.根据权利要求1所述的方法，进一步包括：由所述服务器计算机向实体计算机传输所述第一数据集的所述交互的指示。8.根据权利要求1所述的方法，进一步包括：由所述服务器计算机使用所述第一数据集和所述第二数据集来确定损失函数的损失。9.根据权利要求8所述的方法，进一步包括：由所述服务器计算机修改第一组可学习参数和第二组可学习参数，以最小化所述损失函数的所述损失。10.根据权利要求1所述的方法，在将所述第一数据集输入到所述自动编码器模块中之后，所述方法进一步包括：由所述自动编码器模块确定所述第一数据集的隐藏表示；以及由所述自动编码器模块通过使用所述第一数据集的所述隐藏表示重构所述第一数据集来生...

【专利技术属性】
技术研发人员：田晓，C，
申请(专利权)人：维萨国际服务协会，
类型：发明
国别省市：