(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210545013.1 (22)申请日 2022.05.19 (65)同一申请的已公布的文献号 申请公布号 CN 114742645 A (43)申请公布日 2022.07.12 (73)专利权人 北京淇瑀信息科技有限公司 地址 100012 北京市朝阳区双营路1 1号院3 号楼2层4单元207 (72)发明人 王磊　宋孟楠　苏绥绥　郑彦　 (74)专利代理 机构 北京清诚知识产权代理有限 公司 11691 专利代理师 何怀燕 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 20/38(2012.01)G06N 20/00(2019.01) G06K 9/62(2022.01) G06F 16/2458(2019.01) (56)对比文件 CN 111598678 A,2020.08.28 CN 111768242 A,2020.10.13 CN 110942248 A,2020.0 3.31 CN 113516533 A,2021.10.19 CN 110322342 A,2019.10.1 1 CN 109241366 A,2019.01.18 CN 112905340 A,2021.0 6.04 US 2021/ 0190882 A1,2021.0 6.24 审查员 唐娜 (54)发明名称 基于多阶段时序多任务的用户安全等级识 别方法及装置 (57)摘要 本申请涉及一种基于多阶段时序多任务的 用户安全等级识别方法及装置。 该方法包括： 根 据全量用户和其对应的用户阶段生成多个阶段 集合； 将多个阶段集合按照时序依次排列； 根据 第n+1阶段集合、 第n组模型参数向量对第n+1组 初始模型进行多任务训练， 生成第n+1组模型参 数向量， n为正整数； 直至 所述多个阶段集合训练 完毕， 基于多组模型参数向量生成多组阶段评分 模型； 通过所述多组阶段评分模 型对当前用户进 行安全等级识别。 本申请能够从实际问题和应用 场景出发， 从模型样本角度、 模型参数角度整体 改进多任务机器学习方法， 从而保证应用系统用 户数据安全、 交易 安全。 权利要求书2页 说明书12页 附图8页 CN 114742645 B 2022.09.06 CN 114742645 B 1.一种基于多阶段时序多任务的用户安全等级识别方法， 其特 征在于， 包括： 根据全量用户和其对应的用户阶段生成多个阶段集 合； 将多个阶段集 合按照时序依次排列； 提取所述多个阶段集 合中的第一阶段集 合； 将第一阶段集 合输入第一组初始模型中， 生成第一组模型参数向量； 将第n组模型参数向量与第n+1组初始模型的模型参数向量进行加权求和， 得到第n+1 组初始模型的新的模型参数向量， 根据第n+1阶段集合对 具有所述新的模型参数向量的第n +1组初始模 型进行多任务训练， 生 成第n+1组模型参数向量， n为正整数； 各 组所述初始模 型 为对应阶段集 合训练好的模型； 直至所述多个阶段集 合训练完毕， 基于多组模型参数向量 生成多组阶段评分模型； 通过所述多组阶段评分模型对当前用户进行安全等级识别。 2.如权利要求1所述的方法， 其特征在于， 根据全量用户和其对应的用户阶段生成多个 阶段集合， 包括： 根据产品特征确定多个用户阶段； 将全量用户中每一个用户对应的用户阶段和所述多个用户阶段进行匹配； 根据匹配结果将用户分配至和其用户阶段对应的阶段集 合中。 3.如权利要求2所述的方法， 其特征在于， 根据全量用户和其对应的用户阶段生成多个 阶段集合， 还包括： 为每一个用户阶段确定标签策略； 根据所述标签策略为每一个阶段集 合中用户分配样本标签。 4.如权利要求1所述的方法， 其特征在于， 根据第n+1阶段集合对具有所述新的模型参 数向量的第n+1组初始模型进行多任务训练， 生成第n+1组模型参数向量， 还 包括： 为每一个用户阶段确定一组机器学习模型； 根据每一个用户阶段对应的标签策略为历史用户分配样本标签； 通过带有样本标签的历史用户对第n+1组机器学习模型进行训练， 生成第n+1组初始模 型， n为正整数。 5.如权利要求1所述的方法， 其特征在于， 将第一阶段集合输入第一组初始模型中， 生 成第一组模型参数向量， 包括： 将第一阶段集 合中的用户信息分别输入第一组初始模型中； 第一组初始模型根据用户信息和其对应的标签进行模型训练， 在训练完毕后， 生成第 一组模型参数向量。 6.如权利要求1所述的方法， 其特征在于， 根据第n+1阶段集合对具有所述新的模型参 数向量的第n+1组初始模型进行多任务训练， 生成第n+1组模型参数向量， 包括： 生成更新向量； 将所述更新向量加权后叠加到第n+1组初始模型的模型参数向量中； 将第n+1阶段集合中的用户信息分别输入模型参数向量更新后的第n+1组初始模型中 以进行多任务训练； 在训练完毕后， 生成第n+1组模型参数向量。 7.如权利要求6所述的方法， 其特 征在于， 生成更新向量， 包括：权　利　要　求　书 1/2 页 2 CN 114742645 B 2将第n组模型参数向量进行非线性变换以生成更新向量； 或 通过第一组至第n组模型参数向量的非线性变换生成第一组至第n组的更新向量。 8.如权利要求6所述的方法， 其特征在于， 将第n+1阶段集合中的用户信息分别输入模 型参数向量更新后的第n+1组初始模型中以进行多任务训练， 包括： 将第n+1阶段集 合中的用户信息分别输入 模型参数向量更新后的第n+1组初始模型中； 第n+1组初始模型根据用户信息和其对应的标签进行多任务训练； 在训练过程中的损失函数不满足收敛条件时， 重新确定第n+1组初始模型的初始模型 参数以再次进行多任务训练； 在损失函数满足收敛 条件时， 完成第n+1组初始模型的多任务训练。 9.如权利要求8所述的方法， 其特征在于， 重新确定第n+1组初始模型的初始模型参数 以再次进行多任务训练， 包括： 对第n+1组初始模型 再次进行模型训练以生成新的初始模型参数； 或 重新确定收敛 条件以对第n+1组初始模型 再次进行模型训练， 生成新的初始模型参数。 10.一种基于多阶段时序多任务的用户安全等级识别装置， 其特 征在于， 包括： 阶段模块， 用于根据全量用户和其对应的用户阶段生成多个阶段集 合； 排序模块， 用于将多个阶段集 合按照时序依次排列； 训练模块， 用于提取所述多个阶段集合中的第一阶段集合； 将第一阶段集合输入第一 组初始模型中， 生成第一组模型参数向量； 将第n组模型参数向量与第n+1组初始模型的模 型参数向量进行加权求和， 得到第n+1组初始模型的新的模型参数向量， 根据第n+1阶段集 合对具有 所述新的模 型参数向量的第n +1组初始模 型进行多任务训练， 生成第n+1组模 型参 数向量， n 为正整数； 各组所述初始模型为对应阶段集 合训练好的模型； 模型模块， 用于直至所述多个阶段集合训练完毕， 基于多组模型参数向量生成多组评 分模型； 分级模块， 用于通过所述多组评分模型对当前用户进行安全等级识别， 根据识别结果 确定所述当前用户的安全分级。 11.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑9中任一所述的方法。 12.一种计算机可读介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理器执 行时实现如权利要求1 ‑9中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114742645 B 3