[发明专利]风险识别模型训练方法及装置、风险识别方法及装置

说明书

本申请提供风险识别模型训练方法及装置、风险识别方法及装置，其中风险识别模型训练方法包括：服务端获取样本集，其中，样本集中包括作为训练样本的多个指定操作数据；将样本集划分为多个项集，并根据每个项集中的指定操作数据，确定该项集对应的风险识别规则；获得利用每个项集对应的风险识别规则分别对验证集中各指定操作数据的风险识别结果，其中，验证集中包括作为验证样本的多个指定操作数据；根据风险识别结果，确定多个项集中的频繁项集，并返回执行获取样本集的步骤；在达到预设训练停止条件的情况下，基于各频繁项集对应的风险识别规则，确定风险识别模型，发送风险识别模型至目标客户端。本方案可以提高风险识别的效率。

技术领域

本申请涉及风险识别技术领域，特别涉及一种风险识别模型训练方法。本申请同时涉及一种风险识别模型训练装置，一种风险识别方法，一种风险识别装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

为了提高业务的便捷性和降低人工成本，越来越多的业务以应用程序的形式实现自动化处理。这样，容易缺失人工确定业务是否存在风险的过程。因此，需要利用计算设备对业务进行风险识别。例如，利用计算设备识别用于实现业务的应用程序是否存在刷量、使用外挂等风险。

相关技术中，可以由安装有应用程序的客户端采集网络质量信息、运行环境信息及设备硬件信息等风控信息；进而，客户端将风控信息发送至风控平台；风控平台根据接收的风控信息进行风险识别，并将识别结果发送至客户端对应的服务端。其中，风控平台通常是专业进行风险识别的第三方平台。

可见，上述风险识别必须经过对网络质量信息、运行环境信息及设备硬件信息的复杂采集过程，且需要与风控平台进行网络交互，导致风险识别的效率降低。

发明内容

有鉴于此，本申请实施例提供了一种风险识别模型训练方法。本申请同时涉及一种风险识别模型训练装置，一种风险识别方法，一种风险识别装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的风险识别效率降低的问题。

根据本申请实施例的第一方面，提供了一种风险识别模型训练方法，应用于服务端，包括：

获取样本集，其中，所述样本集中包括作为训练样本的多个指定操作数据；

将所述样本集划分为多个项集，并根据每个项集中的指定操作数据，确定该项集对应的风险识别规则；

获得利用每个项集对应的风险识别规则分别对验证集中各指定操作数据的风险识别结果，其中，所述验证集中包括作为验证样本的多个指定操作数据；根据所述风险识别结果，确定所述多个项集中的频繁项集，并返回执行所述获取样本集的步骤；

在达到预设训练停止条件的情况下，基于各频繁项集对应的风险识别规则，确定风险识别模型，发送所述风险识别模型至目标客户端。

根据本申请实施例的第二方面，提供了一种风险识别方法，应用于客户端，包括：

采集指定操作数据；

利用从服务端获取的风险识别模型对所述指定操作数据进行风险识别，得到风险识别结果。

根据本申请实施例的第三方面，提供了一种风险识别模型训练装置，应用于服务端，包括：

数据获取模块，被配置为获取样本集，其中，所述样本集中包括作为训练样本的多个指定操作数据；

频繁项集训练模块，被配置为将所述样本集划分为多个项集，并根据每个项集中的指定操作数据，确定该项集对应的风险识别规则；获得利用每个项集对应的风险识别规则分别对验证集中各指定操作数据的风险识别结果，其中，所述验证集中包括作为验证样本的多个指定操作数据；根据所述风险识别结果，确定所述多个项集中的频繁项集，并返回执行所述获取样本集的步骤；