一种用户识别方法、装置和计算机设备与流程

技术特征：
1.一种用户识别方法，其特征在于，所述用户识别方法包括如下步骤：构建至少两个用户识别模型，所述两个用户识别模型包括与第一应用平台相对应的第一用户识别模型、及与第二应用平台相对应的第二用户识别模型；构建融合识别模型，所述融合识别模型包括确定是否进行联邦学习的步骤；在使用所述第一用户识别模型和所述第二用户识别模型中的至少一个对待识别用户进行目标用户识别以确定所述待识别用户为目标用户时，进一步使用融合识别模型对所述待识别用户进行目标用户识别，以确定所述待识别用户是否为目标用户。2.根据权利要求1所述的用户识别方法，其特征在于，所述使用所述第一用户识别模型和所述第二用户识别模型中的至少一个对待识别用户进行目标用户识别，包括：使用所述第一用户识别模型和所述第二用户识别模型对待识别用户进行目标用户识别。3.根据权利要求1或2所述的用户识别方法，其特征在于，所述用户识别方法包括：基于神经网络，构建所述融合识别模型、所述第一用户识别模型、所述第二用户识别模型，并分别使用与所述第一应用平台和所述第二应用平台相对应的用户样本数据，建立第一训练数据集和第二训练数据集，以分别用于训练所述第一用户识别模型、所述第二用户识别模型，其中，所述第一训练数据集包括具有第一用户欺诈标签或第一用户风险标签的用户样本数据；所述第二训练数据集包括具有第二用户欺诈标签或第二用户风险标签的用户样本数据；在所述第一用户识别模型的模型精度大于第一阈值时，获取所述第一用户识别模型的模型参数；在所述第二用户识别模型的模型精度大于第二阈值时，获取所述第二用户识别模型的模型参数。4.根据权利要求3所述的用户识别方法，其特征在于，所述融合识别模型包括确定是否进行联邦学习的步骤，包括：在判断所述第一应用平台的第一模型特征变量与所述第二应用平台的第二模型特征变量的重叠度之后，确定所述第一用户识别模型和所述第二用户识别模型各自的聚合权值；基于所述聚合权值、所述第一用户识别模型的模型参数和所述第二用户识别模型的模型参数，使所述融合识别模型进行联邦学习，以得到训练好的融合识别模型。5.根据权利要求1或4所述的用户识别方法，其特征在于，包括：获取所述第一应用平台的历史用户数据、历史欺诈数据，构建第一用户欺诈网络图，并基于所述第一用户欺诈网络图提取第一模型特征变量；获取所述第二应用平台的历史用户数据、历史欺诈数据，构建第二用户欺诈网络图，并基于所述第二用户欺诈网络图提取第二模型特征变量。6.根据权利要求5所述的用户识别方法，其特征在于，所述用户识别方法包括：确定所述第一模型特征变量和所述第二模型特征变量的重叠度；在所计算的重叠度小于设置值时，确定所述第一用户识别模型和所述第二用户识别模型各自的聚合权值。7.根据权利要求5所述的用户识别方法，其特征在于，还包括：
提取所述第一用户欺诈网络图中的网络连接信息和所述第二用户欺诈网络图中的网络连接信息，分别用作所述第一模型特征变量和所述第二模型特征变量。8.根据权利要求1所述的用户识别方法，其特征在于，还包括：分别使用与所述第一应用平台和所述第二应用平台相对应的用户样本数据，建立第一验证数据集和第二验证数据集，分别使用所述第一验证数据集和所述第二验证数据集，进行模型验证，并对所述第一用户识别模型的模型参数和所述第二用户识别模型的模型参数进行调优。9.一种用户识别装置，其特征在于，包括：第一模型构建模块，用于构建至少两个用户识别模型，所述两个用户识别模型包括与第一应用平台相对应的第一用户识别模型、及与第二应用平台相对应的第二用户识别模型；第二模型构建模块，用于构建融合识别模型，所述融合识别模型包括确定是否进行联邦学习的步骤；确定模块，在使用所述第一用户识别模型或所述第二用户识别模型对待识别用户进行目标用户识别以确定所述待识别用户为目标用户时，进一步使用融合识别模型对所述待识别用户进行目标用户识别，以确定所述待识别用户是否为目标用户。10.一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，其特征在于：当所述计算机可执行程序被所述处理器执行时，所述处理器执行如权利要求1-8中任一项所述的用户识别方法。

技术总结
本发明属于计算机技术领域，提供一种用户识别方法、装置和计算机设备，该方法包括：构建至少两个用户识别模型，所述两个用户识别模型包括与第一应用平台相对应的第一用户识别模型、及与第二应用平台相对应的第二用户识别模型；构建融合识别模型，所述融合识别模型包括确定是否进行联邦学习的步骤；在使用所述第一用户识别模型和所述第二用户识别模型中的至少一个对待识别用户进行目标用户识别以确定所述待识别用户为目标用户时，进一步使用融合识别模型对所述待识别用户进行目标用户识别，以确定所述待识别用户是否为目标用户。本发明能够更精确地识别确定待识别用户是否为目标用户，能够提高用户识别模型和融合识别模型的模型精度。模型精度。模型精度。


技术研发人员：谢智勇 孔兵 张立锋
受保护的技术使用者：北京神州新桥科技有限公司
技术研发日：2022.12.15
技术公布日：2023/3/10