[发明专利]风险评估系统的构建方法及装置、风险评估方法及装置

说明书

本说明书实施例提供一种风险评估系统的构建方法，包括：利用第一标注事件样本集训练第一风险评估模型，所述第一标注事件样本集中包括第一数量的黑样本和第二数量的白样本，所述第一数量大于第二数量；利用训练好的第一风险评估模型处理多个灰样本，得到其中各个灰样本的预测风险分，所述各个灰样本被已有的风控技术识别为风险样本；基于所述预测风险分，从所述多个灰样本中选取部分灰样本，作为对第二标注事件样本集中黑样本的扩充；所述第二标注事件样本集中初始包括第三数量的黑样本和第四数量的白样本，所述第三数量小于第四数量；利用扩充后的第二标注事件样本集训练第二风险评估模型，训练好的第二风险评估模型用于构建所述风险评估系统。

技术领域

本说明书一个或多个实施例机器学习技术领域，尤其涉及一种风险评估系统的构建方法及装置，以及一种风险评估方法及装置。

背景技术

随着计算机网络的快速发展，网络安全问题日益突出。存在多种高风险操作行为，例如盗取账户、流量攻击、欺诈交易等等，有可能威胁网络安全或用户信息安全。出于网络安全和风险防控的考虑，在许多场景下，需要对用户风险类型、用户操作行为或操作事件等进行分析和处理，评估与用户相关的风险程度，以便进行风险防控。

然而，目前已有风险评估方式的效果有限。因此，需要一种方案，可以有效提高风险评估的准确度，从而更好地满足实际应用需求。

发明内容

本说明书一个或多个实施例描述了一种风险评估系统的构建方法及装置，构造黑样本浓度较高的训练样本集，对具有大量黑样本信息而原本无法有效利用的灰样本进行筛选和使用，从而有效提高对风险样本的识别准确率。

根据第一方面，提供一种风险评估系统的构建方法，包括：利用第一标注事件样本集训练第一风险评估模型；所述第一标注事件样本集中包括第一数量的黑样本和第二数量的白样本，所述第一数量大于第二数量；利用训练好的第一风险评估模型处理多个灰样本，得到其中各个灰样本的预测风险分；所述各个灰样本被已有的风控技术识别为风险样本；基于所述预测风险分，从所述多个灰样本中选取部分灰样本，作为对第二标注事件样本集中黑样本的扩充；所述第二标注事件样本集中初始包括第三数量的黑样本和第四数量的白样本，所述第三数量小于第四数量；利用扩充后的第二标注事件样本集训练第二风险评估模型；训练好的第二风险评估模型用于构建所述风险评估系统。

在一个实施例中，在利用第一标注事件样本集训练第一风险评估模型之前，所述方法还包括：将所述第二标注事件样本集拆分为两个标注子集；利用所述两个标注子集对应训练两个风险评估模型，用于构建所述风险评估系统；利用训练好的两个风险评估模型对所述两个标注子集进行交叉打分，得到所述第二标注事件样本集中各个标注样本的预测风险分；基于所述各个标注样本的预测风险分，从所述第二标注样集中选取所述第一数量的黑样本和第二数量的白样本，形成所述第一标注事件样本集。

在一个具体的实施例中，基于所述各个标注样本的预测风险分，从所述第二标注样集中选取所述第一数量的黑样本和第二数量的白样本，包括：对所述各个标注样本的预测风险分进行倒排序；根据所述倒排序的结果，从所述多个黑样本中选取排在靠前位置的所述第一数量的黑样本，以及从所述多个白样本中选取排在靠后位置的所述第二数量的白样本。

在一个具体的实施例中，在得到所述第二标注事件样本集中各个标注样本的预测风险分之后，所述方法还包括：针对所述各个标注样本，在该标注样本为黑样本的情况下，若其预测风险分小于第一阈值，则将其从所述第二标注事件样本集中剔除，或者，在该标注样本为白样本的情况下，若其预测风险分大于第二阈值，则将其从所述第二标注事件样本集中剔除；基于进行剔除处理后的第二标注事件样本集训练第三风险评估模型；训练好的第三风险评估模型用于构建所述风险评估系统。