圖模型在阿里安全中的實踐（21頁）——基于圖神經網絡認知的智能計算專場.pdf

《圖模型在阿里安全中的實踐（21頁）——基于圖神經網絡認知的智能計算專場.pdf》由會員分享，可在線閱讀，更多相關《圖模型在阿里安全中的實踐（21頁）——基于圖神經網絡認知的智能計算專場.pdf（21頁珍藏版）》請在三個皮匠報告上搜索。

1、?陸全?Contents01目錄?AI-?02?03?安全AI-阿里風控大腦01?/?阿里安全的防控場景?安全AI-阿里安全風控大腦安全AI-決策區?風控場景與圖算法02數據VuiVUMIDIP手b郵箱DGal覽聊U評論m贊D賬號關xy關注資金收藏PropagationSCbilRankCatchSCncELVI貨hqR圾注冊模式d詢BiCliqu2oekP伙NpLPALouAainGraph Emb2ddingNod22V2cGCNs黃n防控g詐防控sMv控惡意行為D違trv大規模異cS模態AliGraphMaBGraph風控場景中的圖算法清洗、轉換、定性風控場景的圖構建?IPIPIPIP?

2、IPIP?n 圖能表征黑產團伙的聚集性。n 圖上能方便挖掘出全局特征。n 圖特征對新的變異對抗有更強的魯棒性。同構圖異構圖簡化簡化賬號-賬號關系關系定性圖算法 社區發現 標簽傳播 GCN 千億M量級級6系G 涵蓋包含淘寶、1688、AE、ICBU、螞蟻金N等業8用戶包含UMID、IP、手機號C內等十余種UD設E6系 廣泛I用1N8集A十余個BU關系定性數據-集基礎數據數據清洗、轉換賬號關系圖?IP?IP?IP+?特征提取、關系分類關系定性?算法應用圖算法?同PBI用舉例：6系B發布 同人相似商品圖文信息賣家及同人情況購買/評論買家情況/似商品情況n 目標：識別假貨商品n 識別點：n 算法：圖卷

3、積網絡賣家商品買家評論購買?異構圖應用舉例使用圖算法進行閑魚垃圾廣告識別03閑魚評論舉例“找兼職，加微信XXX”“需要刷粉請聯系我XXX”“主營,煙送禮佳品，茄xxxx”“減肥藥,看昵稱聯系”閑魚垃圾廣告識別圖算法框架異構圖：商品-評i-用戶。用GCNhb-2p局部關d信息?；趍eta-pat-的GCN挖掘S化顯e特征關d。目標：二Ccmn，評i是否N圾。融合K個embeddingGl同構圖：評i-相似度-評i。使用appr2ximate KNN Grap-b法構建。同構L上hbGCN，a同于g征Laplacian Sm22t-ing全局特征12鄰122鄰1商品評論買/異構圖上的GCN算法Z

4、 Zi iZ Ze eZ Zu u計算第l層評論隱向量計算第l層商品/買/隱向量算法2于meta-path進行信息傳遞-評論文本由TextCNN模型編碼，進行end2end訓練?評論同t圖生成算法 去除重復的評論。用 sentence embedding的方法為每個評論生成embedding向量。用 approximate KNN raph算法m出ls相C評論pair。刪除b于同一個買家的評論pair或r對同一個商品的評論pair，因為這部分信ic經NS在et圖中。為什么要生成同t圖？靠增Ket圖中 CN的ap引進G局信i會引入過量噪聲。同t圖中 CNr Laplacian Smoothing的一種特例，這種特gdxbh會s助于n高圖節點分類任L的o果。沒有平滑GCN平滑后基于KNN raph的同t圖及 CN算法l GA+2oc-2 1 vs.TextCNN+MLP-僅僅4用異構圖而2僅用0度關系-s Baseline，提高12%。l GA+vs.GA+2oc-2 2 4用9構和異構圖-s 僅僅4用異構圖而2僅用2度關系，覆蓋B提升4%l GA+vs TextCNN+MLP-4用9構和異構圖-s Baseline 在準確B%0%情61，覆蓋B提升16%引入局C上下文.-se21ne引入全局上下文實驗結A總結?AI?GCN?GCN?THANKS!THANKS!THANKS!