[发明专利]用户行为识别模型的训练方法、装置、设备及存储介质

说明书

本发明公开一种用户行为识别模型的训练方法、装置、设备及存储介质。所述用户行为识别模型的训练方法包括：获取用户的至少一条行为数据；以及基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练。根据本发明提供的用户行为识别模型的训练方法，通过使用待识别用户的任意条行为数据优化基础模型，能够获得用于高精度识别该用户行为的个性化模型，从而有效地保障该用户的个人信息安全。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户行为识别模型的训练方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着社会信息化程度的不断提升，人们的工作和生活方式逐渐由线下转移到了线上，例如：电子商务、网上银行业务等。相应地，在线用户势必面临个人敏感信息泄漏、银行账户失盗等安全问题。

为保障用户的信息安全，需要对用户在终端设备的操作行为进行认证以识别用户的身份。然而，目前常用的认证方式普遍存在识别精度低、用户体验差等诸多缺陷。

需要说明的是，在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种用户行为识别模型的训练方法、装置、计算机设备及计算机可读存储介质。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种用户行为识别模型的训练方法，包括：获取用户的至少一条行为数据；以及基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练。

根据本发明的一实施方式，所述用户行为识别模型的预先训练过程包括：获取多个样本用户的多条行为数据；及基于所述多个样本用户的多条行为数据，对初始的用户行为识别模型进行训练。

根据本发明的一实施方式，基于所述多个样本用户的多条行为数据，对初始的用户行为识别模型进行训练，包括：分别抽取所述多个样本用户中一个样本用户的第一数量条行为数据和其它样本用户的第二数量条行为数据，组成一个训练任务的训练数据；针对每个训练任务，分别执行下述操作：从所述训练任务的训练数据中选出第三数量条行为数据，并根据所述第三数量条行为数据，对所述用户行为识别模型进行第一训练，以计算得到所述用户识别模型的第一模型参数；及从所述训练任务的训练数据中选出除所述第三数量条行为数据之外的第四数量条行为数据，并根据所述第四数量条行为数据，基于所述第一模型参数，对所述用户行为识别模型进行第二训练；以及基于每个训练任务的第二训练结果，更新所述用户识别模型的第二模型参数。

根据本发明的一实施方式，根据所述第三数量条行为数据，对所述用户行为识别模型进行第一训练，以计算得到所述用户识别模型的第一模型参数，包括：基于当前的第二模型参数，对所述用户行为识别模型的损失函数进行求导，获得第一梯度值；及将所述第二模型参数减去所述第一梯度值与第一学习率的乘积，以计算得到所述第一模型参数。

根据本发明的一实施方式，基于所述第一模型参数，对所述用户行为识别模型进行第二训练，包括：基于所述第一模型参数，对所述用户识别模型的损失函数进行求导，获得第二梯度值；基于每个训练任务的第二训练结果，更新所述用户识别模型的第二模型参数，包括：将所述当前的第二模型参数减去各训练任务的第二梯度值之和与第二学习率的乘积，以更新所述第二模型参数。

根据本发明的一实施方式，基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练，包括：基于更新后的所述第二模型参数，对所述用户识别模型的损失函数进行求导，获得第三梯度值；及将所述第二模型参数减去所述第三梯度值与所述第一学习率的乘积，以得到所述第一模型参数。