自适应动态风险预测方法和装置与流程

本公开涉及人工智能，尤其是涉及一种自适应动态风险预测方法和装置。

背景技术：

1、随着互联网金融、电子商务等业务的发展，交易数据和用户行为数据快速增长，欺诈行为的类型和手段也日趋复杂。现有风控系统通常基于大数据平台采集交易数据、用户行为数据及设备信息等，并利用历史数据训练风险预测模型，以实现对欺诈等风险行为的识别。由于欺诈手段不断变化，新的风险模式持续出现，需要利用新增数据对风险预测模型进行更新。

2、相关技术中，风险预测模型通常采用周期性离线训练等方式进行更新，模型更新存在一定滞后，难以及时适应快速变化的新型欺诈行为。此外，在利用新增数据更新风险预测模型时，模型参数会根据新的风险模式发生变化，可能导致模型对历史风险模式的识别能力下降，产生灾难性遗忘。

技术实现思路

1、鉴于上述问题而提出了本公开。本公开提供了一种自适应动态风险预测方法和装置。

2、根据本公开的一个方面，提供了一种自适应动态风险预测方法，包括：获取基于历史风险数据训练得到的风险预测模型的多个模型参数，并获取各模型参数对应的参数重要性度量；其中，参数重要性度量用于表征对应模型参数对于基于历史风险数据进行风险预测的重要程度；获取对应于新风险模式的新任务数据，基于新任务数据对风险预测模型进行增量训练，根据各模型参数的参数重要性度量和各模型参数相对于增量训练前的参数偏移程度，确定各模型参数的参数约束程度；根据风险预测模型针对历史风险数据和新任务数据的输出差异，调整各模型参数的参数约束程度，并根据调整后的参数约束程度和新任务数据更新各模型参数，得到更新后的风险预测模型；利用更新后的风险预测模型对待识别风险数据进行风险预测，得到风险预测结果。

3、根据本公开的另一个方面，提供了一种自适应动态风险预测装置，包括：获取模块，用于获取基于历史风险数据训练得到的风险预测模型的多个模型参数，并获取各模型参数对应的参数重要性度量；其中，参数重要性度量用于表征对应模型参数对于基于历史风险数据进行风险预测的重要程度；获取模块还用于获取对应于新风险模式的新任务数据；训练模块，用于基于新任务数据对风险预测模型进行增量训练，根据各模型参数的参数重要性度量和各模型参数相对于增量训练前的参数偏移程度，确定各模型参数的参数约束程度；根据风险预测模型针对历史风险数据和新任务数据的输出差异，调整各模型参数的参数约束程度，并根据调整后的参数约束程度和新任务数据更新各模型参数，得到更新后的风险预测模型；预测模块，用于利用更新后的风险预测模型对待识别风险数据进行风险预测，得到风险预测结果。

4、本公开示例性实施例的又一个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，处理器执行计算机程序以实现本公开示例性实施例的方法。

5、本公开示例性实施例的又一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本公开示例性实施例的方法。

6、本公开示例性实施例的又一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开示例性实施例的方法。

7、如以下将详细描述的，根据本公开实施例的自适应动态风险预测方法，通过获取基于历史风险数据训练得到的风险预测模型的多个模型参数，并获取各模型参数对应的参数重要性度量；其中，参数重要性度量用于表征对应模型参数对于基于历史风险数据进行风险预测的重要程度；获取对应于新风险模式的新任务数据，基于新任务数据对风险预测模型进行增量训练，根据各模型参数的参数重要性度量和各模型参数相对于增量训练前的参数偏移程度，确定各模型参数的参数约束程度；根据风险预测模型针对历史风险数据和新任务数据的输出差异，调整各模型参数的参数约束程度，并根据调整后的参数约束程度和新任务数据更新各模型参数，得到更新后的风险预测模型；利用更新后的风险预测模型对待识别风险数据进行风险预测，得到风险预测结果，能够使得风险预测模型在学习新风险模式的同时，降低对历史风险模式的遗忘程度，兼顾对于历史风险模式和新风险模式的风险预测能力，提高风险预测模型对持续变化的风险模式的适应能力，进而提高风险预测的准确性。

8、要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并且意图在于提供要求保护的技术的进一步说明。

1.一种自适应动态风险预测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述获取各所述模型参数对应的参数重要性度量，包括：

3.如权利要求1所述的方法，其特征在于，所述增量训练的触发条件包括达到预设训练周期、所述新任务数据的数据量达到预设数据量阈值以及所述风险预测模型的风险预测结果发生预设程度的分布偏移中的至少一种。

4.如权利要求1所述的方法，所述根据各所述模型参数的参数重要性度量和各所述模型参数相对于所述增量训练前的参数偏移程度，确定各所述模型参数的参数约束程度，包括：

5.如权利要求1所述的方法，其特征在于，所述根据所述风险预测模型针对所述历史风险数据和所述新任务数据的输出差异，调整各所述模型参数的参数约束程度，包括：

6.如权利要求1~5中任一项所述的方法，其特征在于，所述方法还包括：

7.一种自适应动态风险预测装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1~6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1~6中任一项所述方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1~6中任一项所述方法的步骤。