CN117216803B - 一种面向智慧金融的用户信息保护方法及*** - Google Patents
一种面向智慧金融的用户信息保护方法及*** Download PDFInfo
- Publication number
- CN117216803B CN117216803B CN202311483288.8A CN202311483288A CN117216803B CN 117216803 B CN117216803 B CN 117216803B CN 202311483288 A CN202311483288 A CN 202311483288A CN 117216803 B CN117216803 B CN 117216803B
- Authority
- CN
- China
- Prior art keywords
- user information
- information protection
- financial product
- session data
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012512 characterization method Methods 0.000 claims description 74
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种面向智慧金融的用户信息保护方法及***,根据目标金融产品会话数据所对应的第一隐私嵌入表征信息与X个典型用户信息保护模板中每个模板的第二隐私嵌入表征信息,从X个模板中推荐出符合匹配程度要求的Y个典型用户信息保护模板,根据Y个典型用户信息保护模板中每个模板的用户信息保护标签,分析各个用户信息保护标签的典型用户信息保护模板,生成各个用户信息保护标签所对应的模板匹配数量,基于各个用户信息保护标签所对应的模板匹配数量,获取目标金融产品会话数据所对应的目标用户信息保护策略。由此,能够准确地推荐符合用户需求的信息保护模板,并根据模板匹配数量确定用户信息保护策略,以实现对用户隐私的有效保护。
Description
技术领域
本申请涉及智慧金融技术领域,具体而言,涉及一种面向智慧金融的用户信息保护方法及***。
背景技术
在当前的互联网环境中,金融服务产品的使用和交易活动频繁,尤其是智慧金融服务平台,为了提供个性化服务,需要收集并处理大量的用户数据。然而,这也给用户隐私保护带来了挑战。一方面,用户对于他们的个人信息如何被处理和保护越来越关注;另一方面,法律法规对用户隐私保护也有严格的要求。
在这种情况下,如何在满足个性化服务需求的同时,有效地保护用户隐私,成为了一个重要问题。传统的方法通常是采用固定的信息保护策略,例如加密或匿名化用户数据。但这些方法通常忽视了用户之间的差异性,无法满足不同用户的特定需求。
此外,尽管有一些***尝试根据用户的行为或偏好来推荐个性化的信息保护策略,但这些***通常依赖于复杂的用户模型和大量的历史数据,导致计算复杂度高,实时性差。此外,这些***也无法充分考虑到各种因素对信息保护策略选择的影响,例如用户的隐私偏好、服务场景等。
因此,需要一种新的方法,实现对用户隐私的有效保护。
发明内容
有鉴于此,本申请的目的在于提供一种面向智慧金融的用户信息保护方法及***。
依据本申请的第一方面,提供一种面向智慧金融的用户信息保护方法,应用于面向智慧金融的用户信息保护***,所述方法包括:
获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息;
基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,从所述X个典型用户信息保护模板中推荐符合匹配程度要求的Y个典型用户信息保护模板,所述每个典型用户信息保护模板对应于一个用户信息保护标签,所述Y与所述X均为正整数,且所述Y不大于所述X;
基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,针对各个用户信息保护标签的典型用户信息保护模板进行分析,生成所述各个用户信息保护标签所对应的模板匹配数量;
基于所述各个用户信息保护标签所对应的模板匹配数量,获取所述目标金融产品会话数据所对应的目标用户信息保护策略。
在第一方面的一种可能的实施方式中,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之前,所述方法还包括:
对在设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据;
和/或,如果在设定会话监控阶段监控的连续金融产品会话数据的生成数量大于设定数量,则对在所述设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据。
在第一方面的一种可能的实施方式中,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之后,所述方法还包括:
如果不存在典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签;
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据的索引标识;
基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
在第一方面的一种可能的实施方式中,所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,从所述X个典型用户信息保护模板中推荐符合匹配程度要求的Y个典型用户信息保护模板,包括:
基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板,所述K为不小于1的整数;
针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征交叉比例,如果所述前K个典型用户信息保护模板中存在特征交叉比例不小于设定比例的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板;
或者,针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征偏离度;
如果所述前K个典型用户信息保护模板中存在特征偏离度不大于设定偏离度的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板。
在第一方面的一种可能的实施方式中,所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板之前,所述方法还包括:
获取推荐参数配置指令,所述推荐参数配置指令携带所述K;
所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板,包括:
如果所述K不大于所述X,则执行所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板的步骤; 所述方法还包括:
如果所述K大于所述X,则基于所述第一模板存储库推荐所述X个典型用户信息保护模板; 从所述X个典型用户信息保护模板中获取符合所述匹配程度要求的所述Y个典型用户信息保护模板。
在第一方面的一种可能的实施方式中,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之后,所述方法还包括:
如果不存在符合所述匹配程度要求的典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签;
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据;
基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
在第一方面的一种可能的实施方式中,所述基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,针对各个用户信息保护标签的典型用户信息保护模板进行分析,生成所述各个用户信息保护标签所对应的模板匹配数量,包括:
基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,将具有相同用户信息保护标签的典型用户信息保护模板关联至同一个用户信息保护标签,生成所述各个用户信息保护标签所对应的模板匹配数量;
所述基于所述各个用户信息保护标签所对应的模板匹配数量,获取所述目标金融产品会话数据所对应的目标用户信息保护策略,包括:
基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签;
基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的所述目标用户信息保护策略;
其中,所述基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签之后,所述方法还包括:
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据;
基于所述目标用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述目标用户信息保护标签加载到第二模板存储库。
在第一方面的一种可能的实施方式中,所述基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签,包括:
确定至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量,将最大匹配数量所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签;
或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量;如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板和典型用户信息保护模板的特征交叉比例的排列次序,计算所述每个用户信息保护标签所对应的平均排列次序;将最大平均排列次序所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签;
或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量;如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板,计算所述每个用户信息保护标签所对应的平均嵌入表征信息;基于所述每个用户信息保护标签所对应的平均嵌入表征信息与所述第一隐私嵌入表征信息之间的特征交叉比例,确定作为所述目标金融产品会话数据的目标用户信息保护标签。
在第一方面的一种可能的实施方式中,所述基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的目标用户信息保护策略,包括:
将所述目标用户信息保护标签与至少一个候选用户信息保护策略进行策略条件匹配,确定所述目标金融产品会话数据所对应的目标用户信息保护策略;
所述方法还包括:
将与所述目标用户信息保护标签关联的典型用户信息保护模板以及所述目标金融产品会话数据作为模型学习数据序列,所述模型学习数据序列携带所述目标用户信息保护策略的标注数据;
获取所述模型学习数据序列中每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息;
获取所述模型学习数据序列的集群嵌入表征信息;
依据所述模型学习数据序列的集群嵌入表征信息、所述每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息,通过用户信息保护标签预测网络获取各个候选用户信息保护标签的预测置信度序列;
基于所述目标用户信息保护策略以及所述各个候选用户信息保护标签的预测置信度序列,对所述用户信息保护标签预测网络进行训练。
依据本申请的第二方面,提供一种面向智慧金融的用户信息保护***,所述面向智慧金融的用户信息保护***包括机器可读存储介质及处理器,所述机器可读存储介质存储有机器可执行指令,所述处理器在执行所述机器可执行指令时,该面向智慧金融的用户信息保护***实现前述的面向智慧金融的用户信息保护方法。
依据本申请的第三方面,提供提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,当所述计算机可执行指令被执行时,实现前述的面向智慧金融的用户信息保护方法。
依据上述任意一个方面,本申请中,通过从智慧金融服务页面中获取目标金融产品会话数据所对应的第一隐私嵌入表征信息,根据该第一隐私嵌入表征信息与X个典型用户信息保护模板中每个模板的第二隐私嵌入表征信息,从X个模板中推荐出符合匹配程度要求的Y个典型用户信息保护模板,根据Y个典型用户信息保护模板中每个模板的用户信息保护标签,分析各个用户信息保护标签的典型用户信息保护模板,生成各个用户信息保护标签所对应的模板匹配数量,基于各个用户信息保护标签所对应的模板匹配数量,获取目标金融产品会话数据所对应的目标用户信息保护策略。由此,能够准确地推荐符合用户需求的信息保护模板,并根据模板匹配数量确定用户信息保护策略,以实现对用户隐私的有效保护。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以依据这些附图获得其它相关的附图。
图1本申请实施例所提供的面向智慧金融的用户信息保护方法的流程示意图;
图2示出了本申请实施例所提供的用于实现上述的面向智慧金融的用户信息保护方法的面向智慧金融的用户信息保护***的组件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将依据本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了依据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其它操作,也可以从流程图中销毁一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。依据本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都对应于本申请保护的范围。
图1示出了本申请实施例提供的面向智慧金融的用户信息保护方法的流程示意图,应当理解,在其它实施例中,本实施例的面向智慧金融的用户信息保护方法其中部分步骤的顺序可以依据实际需要相互共享,或者其中的部分步骤也可以省略或维持。该面向智慧金融的用户信息保护方法的详细包括:
步骤S110,获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息。
例如,假设正在处理一个智慧金融服务平台,这个智慧金融服务平台提供了各种金融产品如贷款、保险、投资等。智慧金融服务平台的用户在使用过程中产生的会话数据中包含大量的私人信息,因此保护用户隐私成为了一项重要任务。
例如,当用户浏览和查询一个投资产品时,他可能需要输入一些个人信息如年龄、收入、投资经验等会话数据,可以将这些会话数据通过某种方法(比如使用深度学习模型)转化为第一隐私嵌入表征信息。
以下是一个具体的例子:
假设在智慧金融服务页面中,当用户浏览和查询一个投资产品时,他可能需要输入一些个人信息如年龄、收入、投资经验等数据。同时,他的点击行为、浏览时间等数据也被记录下来,所有这些数据都可以构成这个用户的会话数据。
然后,可以使用一个预训练的神经网络模型来处理这些会话数据。这个模型可能是一个词嵌入模型(如Word2Vec或GloVe),也可能是一个更复杂的模型(如BERT)。这个神经网络模型的作用是将每一条会话数据转化为一个向量,也就是所说的第一隐私嵌入表征信息。第一隐私嵌入表征信息能够有效地捕捉到会话数据中的关键信息,并以数值的形式表示出来。
例如,对于年龄信息,如果用户年龄为30岁,那么可能会输出一个接近于[0.3, 0,0, ..., 0]的向量(这里只是举例,实际情况中,向量的维度可能会非常高,且每个维度的值不一定与年龄直接相关)。对于收入和投资历史等其他类型的信息,也会输出相应的向量。最后,将所有的向量组合在一起,就得到了用户会话数据的第一隐私嵌入表征信息。
步骤S120,基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,从所述X个典型用户信息保护模板中推荐符合匹配程度要求的Y个典型用户信息保护模板。
本实施例中,所述每个典型用户信息保护模板对应于一个用户信息保护标签,所述Y与所述X均为正整数,且所述Y不大于所述X。
典型用户信息保护模板可以理解为预先设定的一种或多种标准化的用户隐私保护模板,这些典型用户信息保护模板可能基于特定的用户属性或行为特征,如年龄、性别、收入、购买行为、浏览行为等,为这些特定群体定义了应当如何保护他们的个人信息。
例如,一个典型的用户信息保护模板可能包括如下规则:
例如,假设有以下几种典型用户信息保护模板:
1:对于年轻人的贷款产品会话数据,其中包含了他们的年龄、职业、收入等信息。
2:对于退休老年人的投资产品会话数据,其中可能包含了他们的年龄、退休金、资产等信息。
3:对于高净值人士的私人银行服务会话数据,其中可能包含了他们的身份、资产、投资偏好等信息。
然后,获取智慧金融服务页面中的目标金融产品会话数据,比如一个中年人的保险产品会话数据,将这个保险产品会话数据转化为第一隐私嵌入表征信息。
接下来,基于这个第一隐私嵌入表征信息与每个典型用户信息保护模板的第二隐私嵌入表征信息进行比较,找出匹配的典型用户信息保护模板。
也即,每个典型用户信息保护模板都对应一个用户信息保护标签,如"未成年人"、"成年人"、"老年人"、“高收入”和“有投资经验”等,用来表示该典型用户信息保护模板适用的用户群体。
步骤S130,基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,针对各个用户信息保护标签的典型用户信息保护模板进行分析,生成所述各个用户信息保护标签所对应的模板匹配数量。
步骤S140,基于所述各个用户信息保护标签所对应的模板匹配数量,获取所述目标金融产品会话数据所对应的目标用户信息保护策略。
比如,可以将所述目标用户信息保护标签与至少一个候选用户信息保护策略进行策略条件匹配,确定所述目标金融产品会话数据所对应的目标用户信息保护策略。例如,如果“高收入”和“有投资经验”的标签数量最多,那么相应的目标用户信息保护策略可能就是增强对用户财务状况和投资历史的保护。
基于以上步骤,通过从智慧金融服务页面中获取目标金融产品会话数据所对应的第一隐私嵌入表征信息,根据该第一隐私嵌入表征信息与X个典型用户信息保护模板中每个模板的第二隐私嵌入表征信息,从X个模板中推荐出符合匹配程度要求的Y个典型用户信息保护模板,根据Y个典型用户信息保护模板中每个模板的用户信息保护标签,分析各个用户信息保护标签的典型用户信息保护模板,生成各个用户信息保护标签所对应的模板匹配数量,基于各个用户信息保护标签所对应的模板匹配数量,获取目标金融产品会话数据所对应的目标用户信息保护策略。由此,能够准确地推荐符合用户需求的信息保护模板,并根据模板匹配数量确定用户信息保护策略,以实现对用户隐私的有效保护。
在一种可能的实施方式中,在步骤S110之前,所述方法还包括:对在设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据。
和/或,如果在设定会话监控阶段监控的连续金融产品会话数据的生成数量大于设定数量,则对在所述设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据。
例如,以下是一个具体的场景举例说明:
假设正在监控一个智慧金融服务页面,在这个页面上,用户可以浏览和查询各种金融产品,如贷款、保险、投资等。在用户进行操作时,他们的行为数据(例如点击事件、浏览时间等)会被连续地记录下来,形成连续的金融产品会话数据。
对在设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,这个分析的目的是找出那些包含相似特征的会话数据。例如,如果两条会话数据都涉及到了"30岁左右、收入稳定、寻求理财建议"的用户,那么这两条数据就可能有高度的特征交叉。
将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,例如,当发现某些会话数据的特征交叉比例达到了预设的阈值(比如70%),那么就可以认为这些数据实际上属于同一个会话分簇。也就是说,这些数据反映的是一类相似的用户行为或需求。
基于所述同一个会话分簇数据获取所述目标金融产品会话数据:一旦确定了会话分簇,就可以从中选择目标金融产品会话数据。例如,可能会选择最常见或最典型的会话数据作为目标数据。
以上过程也适用于另一种情况,即当在设定的会话监控阶段内,连续的金融产品会话数据的数量超过了预设的数量(比如1000条)。在这种情况下,同样会进行特征交叉比例分析,以确定会话分簇并从中获取目标金融产品会话数据。
在一种可能的实施方式中,在步骤S110之后,所述方法还包括:
步骤S111,如果不存在典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签。
步骤S112,基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据的索引标识。
步骤S113,基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
例如,以下是一个具体的场景举例说明:
假设在处理一个用户查询贷款产品的会话数据,这个会话数据已经被转化为了第一隐私嵌入表征信息。但在预设的典型用户信息保护模板中,没有找到与这个会话数据匹配的模板。在这种情况下,可能需要生成一个新的扩展用户信息保护标签。比如,可以根据用户的年龄、收入、贷款额度等信息,生成一个标签,如"中年人、高收入、大额贷款"。
然后,可以将会话数据的会话源(例如,它可能是一个特定的URL或页面ID)和第一隐私嵌入表征信息一起存储到第一模板存储库中。这样,就能够建立起会话数据与其隐私嵌入表征之间的关联。
由此,将会话源和新生成的扩展用户信息保护标签一起存储到第二模板存储库中。这样,当在未来遇到类似的会话数据时,就可以直接使用这个扩展标签,而不需要重新生成。
假设正在处理一个用户查询贷款产品的会话数据,这个会话数据已经被转化为了第一隐私嵌入表征信息。有X个预设的典型用户信息保护模板,每个典型用户信息保护模板都有一个对应的第二隐私嵌入表征信息。在一种可能的实施方式中,步骤S120可以包括:
步骤S121,基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板,所述K为不小于1的整数。
步骤S122,针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征交叉比例,如果所述前K个典型用户信息保护模板中存在特征交叉比例不小于设定比例的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板。
首先,将第一隐私嵌入表征信息与每个典型用户信息保护模板的第二隐私嵌入表征信息进行比较,找出特征交叉比例最大的前K个典型用户信息保护模板。例如,如果有10个典型用户信息保护模板,可能会选择特征交叉比例最大的前3个典型用户信息保护模板。针对这K个典型用户信息保护模板,进一步计算目标会话数据与每个典型用户信息保护模板的特征交叉比例。如果在这K个典型用户信息保护模板中,有至少一个典型用户信息保护模板的特征交叉比例达到了预设的阈值(如70%),那么就将这些典型用户信息保护模板选为Y个典型用户信息保护模板。
特征交叉比例是衡量目标会话数据与典型用户信息保护模板之间相似性的一个重要指标。其计算通常涉及到两个步骤:特征提取和特征匹配。
以下是一种可能的计算方法:
首先,需要从目标会话数据和典型用户信息保护模板中提取出有意义的特征。这些特征可以包括用户的年龄、性别、收入等属性,也可以包括用户的行为数据,如点击事件、浏览时间等。在此过程中,可能会使用一些机器学习或深度学习的技术,如词嵌入模型(Word2Vec、GloVe等)、自然语言处理(NLP)技术等。
然后,将目标会话数据的特征与每个典型用户信息保护模板的特征进行匹配。如果一个特征在目标会话数据和模板中都存在,那么就认为这个特征是交叉的。例如,如果目标会话数据表示用户是30岁左右、高收入、正在寻求贷款产品,而典型用户信息保护模板也表示用户是30岁左右、高收入、正在寻求贷款产品,那么这两者就有很高的特征交叉。
特征交叉比例可以定义为交叉特征的数量占总特征数量的比例。例如,如果目标会话数据和模板共有10个特征,其中有7个是交叉的,那么特征交叉比例就是70%。
以上只是一种可能的计算方法,实际的计算过程可能会根据具体的应用场景和需求进行调整。
或者,步骤S123,针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征偏离度。
步骤S124,如果所述前K个典型用户信息保护模板中存在特征偏离度不大于设定偏离度的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板。
例如,另外一种方法是,计算目标会话数据与每个典型用户信息保护模板的特征偏离度,也就是它们之间的差异程度。如果在这K个典型用户信息保护模板中,有至少一个典型用户信息保护模板的特征偏离度不超过预设的阈值(如30%),那么就将这些典型用户信息保护模板选为Y个典型用户信息保护模板。
在一种可能的实施方式中,在步骤S120之前,所述方法还包括:
获取推荐参数配置指令,所述推荐参数配置指令携带所述K。
步骤S120可以包括:
如果所述K不大于所述X,则执行所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板的步骤。如果所述K大于所述X,则基于所述第一模板存储库推荐所述X个典型用户信息保护模板。 从所述X个典型用户信息保护模板中获取符合所述匹配程度要求的所述Y个典型用户信息保护模板。
在一种可能的实施方式中,在步骤S110之后,如果不存在符合所述匹配程度要求的典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签,基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据。接着,基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
在一种可能的实施方式中,步骤S120中,基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,将具有相同用户信息保护标签的典型用户信息保护模板关联至同一个用户信息保护标签,生成所述各个用户信息保护标签所对应的模板匹配数量。
步骤S140中,基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签,基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的目标用户信息保护策略。
其中,步骤S130之后,基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据。接着,基于所述目标用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述目标用户信息保护标签加载到第二模板存储库。
在一种可能的实施方式中,步骤S130可以包括:确定至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量,将最大匹配数量所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签。或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量。如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板和典型用户信息保护模板的特征交叉比例的排列次序,计算所述每个用户信息保护标签所对应的平均排列次序。将最大平均排列次序所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签。或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量。如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板,计算所述每个用户信息保护标签所对应的平均嵌入表征信息。基于所述每个用户信息保护标签所对应的平均嵌入表征信息与所述第一隐私嵌入表征信息之间的特征交叉比例,确定作为所述目标金融产品会话数据的目标用户信息保护标签。
在一种可能的实施方式中,基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的目标用户信息保护策略,包括:将所述目标用户信息保护标签与至少一个候选用户信息保护策略进行策略条件匹配,确定所述目标金融产品会话数据所对应的目标用户信息保护策略。
在以上描述的基础上,本申请实施例还可以包括:
步骤S101,将与所述目标用户信息保护标签关联的典型用户信息保护模板以及所述目标金融产品会话数据作为模型学习数据序列,所述模型学习数据序列携带所述目标用户信息保护策略的标注数据。
步骤S102,获取所述模型学习数据序列中每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息。
步骤S103,获取所述模型学习数据序列的集群嵌入表征信息。
步骤S104,依据所述模型学习数据序列的集群嵌入表征信息、所述每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息,通过用户信息保护标签预测网络获取各个候选用户信息保护标签的预测置信度序列。
步骤S105,基于所述目标用户信息保护策略以及所述各个候选用户信息保护标签的预测置信度序列,对所述用户信息保护标签预测网络进行训练。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的面向智慧金融的用户信息保护***100。
对于一个实施例,图2示出了面向智慧金融的用户信息保护***100,该面向智慧金融的用户信息保护***100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVY)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括一个或多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一种可替代的实施方式中,面向智慧金融的用户信息保护***100能够作为本申请实施例中所述网关等服务器设备。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的面向智慧金融的用户信息保护***100。
对于一个实施例,图2示出了面向智慧金融的用户信息保护***100,该面向智慧金融的用户信息保护***100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括一个或多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一种可替代的实施方式中,面向智慧金融的用户信息保护***100能够作为本申请实施例中所述网关等服务器设备。
一种可替代的实施方式中,面向智慧金融的用户信息保护***100可包括具有指令114的一个或多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该一个或多个计算机可读介质相汇聚被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为面向智慧金融的用户信息保护***100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。一种可替代的实施方式中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块104可包括一个或多个输入/输出控制器,以向NVM/存储设备108及(一个或多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为面向智慧金融的用户信息保护***100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
(一个或多个)输入/输出设备110可为面向智慧金融的用户信息保护***100提供接口以与任意其它适当的设备通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为面向智慧金融的用户信息保护***100提供接口以依据一个或多个网络通信,面向智慧金融的用户信息保护***100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入依据通信标准的无线网络,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如,存储器控制器模块)的逻辑加载在一起。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成***级加载。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。
在各个实施例中,面向智慧金融的用户信息保护***100可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,面向智慧金融的用户信息保护***100可具有更多或更少的组件和/或不同的架构。例如,一种可替代的实施方式中,面向智慧金融的用户信息保护***100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种面向智慧金融的用户信息保护方法,其特征在于,应用于面向智慧金融的用户信息保护***,所述方法包括:
获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息;
基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,从所述X个典型用户信息保护模板中推荐符合匹配程度要求的Y个典型用户信息保护模板,所述每个典型用户信息保护模板对应于一个用户信息保护标签,所述Y与所述X均为正整数,且所述Y不大于所述X;
基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,针对各个用户信息保护标签的典型用户信息保护模板进行分析,生成所述各个用户信息保护标签所对应的模板匹配数量;
基于所述各个用户信息保护标签所对应的模板匹配数量,获取所述目标金融产品会话数据所对应的目标用户信息保护策略;
所述基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,针对各个用户信息保护标签的典型用户信息保护模板进行分析,生成所述各个用户信息保护标签所对应的模板匹配数量,包括:
基于所述Y个典型用户信息保护模板中每个典型用户信息保护模板的用户信息保护标签,将具有相同用户信息保护标签的典型用户信息保护模板关联至同一个用户信息保护标签,生成所述各个用户信息保护标签所对应的模板匹配数量;
所述基于所述各个用户信息保护标签所对应的模板匹配数量,获取所述目标金融产品会话数据所对应的目标用户信息保护策略,包括:
基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签;
基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的所述目标用户信息保护策略;
其中,所述基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签之后,所述方法还包括:
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据;
基于所述目标用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述目标用户信息保护标签加载到第二模板存储库;
所述基于所述各个用户信息保护标签所对应的模板匹配数量,确定所述目标金融产品会话数据所对应的目标用户信息保护标签,包括:
确定至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量,将最大匹配数量所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签;
或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量;如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板和典型用户信息保护模板的特征交叉比例的排列次序,计算所述每个用户信息保护标签所对应的平均排列次序;将最大平均排列次序所对应的用户信息保护标签作为所述目标金融产品会话数据的目标用户信息保护标签;
或者,确定所述至少一个用户信息保护标签中每个用户信息保护标签对应的模板匹配数量;如果存在多个用户信息保护标签对应的模板匹配数量一致,则基于所述多个用户信息保护标签中每个用户信息保护标签对应的典型用户信息保护模板,计算所述每个用户信息保护标签所对应的平均嵌入表征信息;基于所述每个用户信息保护标签所对应的平均嵌入表征信息与所述第一隐私嵌入表征信息之间的特征交叉比例,确定作为所述目标金融产品会话数据的目标用户信息保护标签。
2.根据权利要求1所述的面向智慧金融的用户信息保护方法,其特征在于,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之前,所述方法还包括:
对在设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据;
和/或,如果在设定会话监控阶段监控的连续金融产品会话数据的生成数量大于设定数量,则对在所述设定会话监控阶段监控的连续金融产品会话数据进行特征交叉比例分析,将特征交叉比例不小于设定比例的金融产品会话数据作为同一个会话分簇数据,基于所述同一个会话分簇数据获取所述目标金融产品会话数据。
3.根据权利要求1所述的面向智慧金融的用户信息保护方法,其特征在于,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之后,所述方法还包括:
如果不存在典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签;
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据的索引标识;
基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
4.根据权利要求1所述的面向智慧金融的用户信息保护方法,其特征在于,所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,从所述X个典型用户信息保护模板中推荐符合匹配程度要求的Y个典型用户信息保护模板,包括:
基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板,所述K为不小于1的整数;
针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征交叉比例,如果所述前K个典型用户信息保护模板中存在特征交叉比例不小于设定比例的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板;
或者,针对所述前K个典型用户信息保护模板中的每个典型用户信息保护模板,基于所述第一隐私嵌入表征信息与典型用户信息保护模板的第二隐私嵌入表征信息,确定所述目标金融产品会话数据与所述典型用户信息保护模板的特征偏离度;
如果所述前K个典型用户信息保护模板中存在特征偏离度不大于设定偏离度的至少一个典型用户信息保护模板,则将所述至少一个典型用户信息保护模板作为所述Y个典型用户信息保护模板。
5.根据权利要求4所述的面向智慧金融的用户信息保护方法,其特征在于,所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板之前,所述方法还包括:
获取推荐参数配置指令,所述推荐参数配置指令携带所述K;
所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板,包括:
如果所述K不大于所述X,则执行所述基于所述第一隐私嵌入表征信息与X个典型用户信息保护模板中每个典型用户信息保护模板的第二隐私嵌入表征信息,基于第一模板存储库从所述X个典型用户信息保护模板中推荐特征交叉比例最大的前K个典型用户信息保护模板的步骤; 所述方法还包括:
如果所述K大于所述X,则基于所述第一模板存储库推荐所述X个典型用户信息保护模板; 从所述X个典型用户信息保护模板中获取符合所述匹配程度要求的所述Y个典型用户信息保护模板。
6.根据权利要求1所述的面向智慧金融的用户信息保护方法,其特征在于,所述获取智慧金融服务页面中的目标金融产品会话数据所对应的第一隐私嵌入表征信息之后,所述方法还包括:
如果不存在符合所述匹配程度要求的典型用户信息保护模板,则生成所述目标金融产品会话数据的扩展用户信息保护标签;
基于所述第一隐私嵌入表征信息与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述第一隐私嵌入表征信息加载到第一模板存储库,所述目标金融产品会话数据的会话源用于表达所述目标金融产品会话数据;
基于所述扩展用户信息保护标签与所述目标金融产品会话数据之间的编码对应信息,将所述目标金融产品会话数据的会话源以及所述扩展用户信息保护标签加载到第二模板存储库。
7.根据权利要求1所述的面向智慧金融的用户信息保护方法,其特征在于,所述基于所述目标用户信息保护标签,确定所述目标金融产品会话数据所对应的目标用户信息保护策略,包括:
将所述目标用户信息保护标签与至少一个候选用户信息保护策略进行策略条件匹配,确定所述目标金融产品会话数据所对应的目标用户信息保护策略;
所述方法还包括:
将与所述目标用户信息保护标签关联的典型用户信息保护模板以及所述目标金融产品会话数据作为模型学习数据序列,所述模型学习数据序列携带所述目标用户信息保护策略的标注数据;
获取所述模型学习数据序列中每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息;
获取所述模型学习数据序列的集群嵌入表征信息;
依据所述模型学习数据序列的集群嵌入表征信息、所述每个模型学习数据的样本隐私嵌入表征信息以及会话账户配置信息,通过用户信息保护标签预测网络获取各个候选用户信息保护标签的预测置信度序列;
基于所述目标用户信息保护策略以及所述各个候选用户信息保护标签的预测置信度序列,对所述用户信息保护标签预测网络进行训练。
8.一种面向智慧金融的用户信息保护***,其特征在于,包括处理器以及计算机可读存储介质,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被处理器执行时实现权利要求1-7中任意一项所述的面向智慧金融的用户信息保护方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311483288.8A CN117216803B (zh) | 2023-11-09 | 2023-11-09 | 一种面向智慧金融的用户信息保护方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311483288.8A CN117216803B (zh) | 2023-11-09 | 2023-11-09 | 一种面向智慧金融的用户信息保护方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117216803A CN117216803A (zh) | 2023-12-12 |
CN117216803B true CN117216803B (zh) | 2024-02-09 |
Family
ID=89044813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311483288.8A Active CN117216803B (zh) | 2023-11-09 | 2023-11-09 | 一种面向智慧金融的用户信息保护方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216803B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455737A (zh) * | 2012-05-28 | 2013-12-18 | 百度在线网络技术(北京)有限公司 | 用户信息的保护方法及装置 |
CN103596172A (zh) * | 2013-11-25 | 2014-02-19 | 中国联合网络通信集团有限公司 | 用户信息保护的方法、装置及*** |
CN105809464A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 信息投放方法和装置 |
CN109033846A (zh) * | 2018-06-08 | 2018-12-18 | 浙江捷尚人工智能研究发展有限公司 | 用户隐私保护方法及*** |
CN110287408A (zh) * | 2019-05-23 | 2019-09-27 | 上海拍拍贷金融信息服务有限公司 | 一种定制化推送金融产品的方法及*** |
CN112184429A (zh) * | 2020-11-06 | 2021-01-05 | 上海优扬新媒信息技术有限公司 | 用户信息的处理方法以及区块链节点 |
CN112765670A (zh) * | 2021-02-03 | 2021-05-07 | 浙江机电职业技术学院 | 一种基于标识替换的用户信息服务隐私保护方法及*** |
CN113032668A (zh) * | 2021-03-03 | 2021-06-25 | 深圳市七号网络科技有限公司 | 基于用户画像的产品推荐方法、装置、设备及存储介质 |
CN114549174A (zh) * | 2022-02-16 | 2022-05-27 | 中国工商银行股份有限公司 | 用户行为预测方法、装置、计算机设备和存储介质 |
CN115002200A (zh) * | 2022-05-31 | 2022-09-02 | 平安银行股份有限公司 | 基于用户画像的消息推送方法、装置、设备及存储介质 |
CN116155538A (zh) * | 2022-12-06 | 2023-05-23 | 零束科技有限公司 | 隐私保护方法、装置、电子设备及计算机存储介质 |
CN116993512A (zh) * | 2023-08-22 | 2023-11-03 | 平安银行股份有限公司 | 一种金融产品的推荐方法、***、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7774715B1 (en) * | 2000-06-23 | 2010-08-10 | Ecomsystems, Inc. | System and method for computer-created advertisements |
-
2023
- 2023-11-09 CN CN202311483288.8A patent/CN117216803B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455737A (zh) * | 2012-05-28 | 2013-12-18 | 百度在线网络技术(北京)有限公司 | 用户信息的保护方法及装置 |
CN103596172A (zh) * | 2013-11-25 | 2014-02-19 | 中国联合网络通信集团有限公司 | 用户信息保护的方法、装置及*** |
CN105809464A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 信息投放方法和装置 |
CN109033846A (zh) * | 2018-06-08 | 2018-12-18 | 浙江捷尚人工智能研究发展有限公司 | 用户隐私保护方法及*** |
CN110287408A (zh) * | 2019-05-23 | 2019-09-27 | 上海拍拍贷金融信息服务有限公司 | 一种定制化推送金融产品的方法及*** |
CN112184429A (zh) * | 2020-11-06 | 2021-01-05 | 上海优扬新媒信息技术有限公司 | 用户信息的处理方法以及区块链节点 |
CN112765670A (zh) * | 2021-02-03 | 2021-05-07 | 浙江机电职业技术学院 | 一种基于标识替换的用户信息服务隐私保护方法及*** |
CN113032668A (zh) * | 2021-03-03 | 2021-06-25 | 深圳市七号网络科技有限公司 | 基于用户画像的产品推荐方法、装置、设备及存储介质 |
CN114549174A (zh) * | 2022-02-16 | 2022-05-27 | 中国工商银行股份有限公司 | 用户行为预测方法、装置、计算机设备和存储介质 |
CN115002200A (zh) * | 2022-05-31 | 2022-09-02 | 平安银行股份有限公司 | 基于用户画像的消息推送方法、装置、设备及存储介质 |
CN116155538A (zh) * | 2022-12-06 | 2023-05-23 | 零束科技有限公司 | 隐私保护方法、装置、电子设备及计算机存储介质 |
CN116993512A (zh) * | 2023-08-22 | 2023-11-03 | 平安银行股份有限公司 | 一种金融产品的推荐方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117216803A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN114298417A (zh) | 反欺诈风险评估方法、训练方法、装置及可读存储介质 | |
CN110688974A (zh) | 一种身份识别方法及装置 | |
CN113177700B (zh) | 一种风险评估方法、***、电子设备及存储介质 | |
US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
CN112231592A (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
CN111190967B (zh) | 用户多维度数据处理方法、装置及电子设备 | |
CN115544560A (zh) | 一种敏感信息的脱敏方法、装置、计算机设备及存储介质 | |
CN115146068A (zh) | 关系三元组的抽取方法、装置、设备及存储介质 | |
CN116542673B (zh) | 应用于机器学习的欺诈行为识别方法及*** | |
CN116308738B (zh) | 一种模型训练的方法、业务风控的方法及装置 | |
CN117216803B (zh) | 一种面向智慧金融的用户信息保护方法及*** | |
CN108768742B (zh) | 网络构建方法及装置、电子设备、存储介质 | |
CN115983982A (zh) | 信贷风险识别方法、装置、设备及计算机可读存储介质 | |
CN111316259A (zh) | 用于反馈和裁定的语义属性的动态合成和瞬时聚簇的***和方法 | |
CN115099875A (zh) | 基于决策树模型的数据分类方法及相关设备 | |
CN112905987B (zh) | 账号识别方法、装置、服务器及存储介质 | |
CN110837596B (zh) | 一种智能推荐方法、装置、计算机设备及存储介质 | |
Zhang et al. | A ResNet‐LSTM Based Credit Scoring Approach for Imbalanced Data | |
CN113807920A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
CN114238574B (zh) | 基于人工智能的意图识别方法及其相关设备 | |
US11971901B1 (en) | Systems for encoding data transforms by intent | |
US20240232658A1 (en) | Method for detecting crisis for each industry and device therefor | |
CN117909489A (zh) | 基于人工智能的数据生成方法、装置、设备及存储介质 | |
Li et al. | A Temporal Pool Learning Algorithm Based on Location Awareness |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |