Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华东师范大学;君烁(上海)信息科技有限公司涂安楠获国家专利权

华东师范大学;君烁(上海)信息科技有限公司涂安楠获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华东师范大学;君烁(上海)信息科技有限公司申请的专利一种基于规则注意力机制的交易欺诈检测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115760127B

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111025109.7,技术领域涉及:G06Q20/40;该发明授权一种基于规则注意力机制的交易欺诈检测方法及系统是由涂安楠;程鹏设计研发完成,并于2021-09-02向国家知识产权局提交的专利申请。

一种基于规则注意力机制的交易欺诈检测方法及系统在说明书摘要公布了:本发明公开了一种基于规则注意力机制的交易欺诈检测方法,该方法包括:对数据做清洗和预处理等操作;基于树的模型对潜在交易模式进行学习生成交易决策规则信息,增强方法的可解释性;对生成的交叉特征进行编码和嵌入表示,增强模型灵活性;利用多头自注意力机制捕捉交易之间的交互,挖掘更深层次的交易欺诈模式;利用注意力网络,关注特定条件下不同规则的重要性,学习特定特征条件及交易决策规则之间的交互;通过激活函数对最终的交易表示进行欺诈分数的计算。本发明方法可以提高预测性能的同时增强可解释性。

本发明授权一种基于规则注意力机制的交易欺诈检测方法及系统在权利要求书中公布了:1.一种基于规则注意力机制的交易欺诈检测方法,其特征在于,包括以下步骤: 步骤1:对收集的交易信息数据进行数据清洗的预处理操作,做相关性分析,并对数据进行降维处理,去除冗余特征变量; 步骤2:训练基于决策树的XGBoost模型用于学习交易模式,生成交易的决策规则表示; 所述步骤2的具体步骤包括: 步骤2.1:通过训练回归决策树生长来获得决策路径,每一个决策路径都是多个特征的范围组合在一起的交叉特征,表示决策规则; 所述生长回归决策树的构建规则为:首先构建根节点,将所有的数据放在根节点,选择一个最优特征以及最优切分点分割该节点上的数据集,使得各个子集在当前状态下的样本标签属于同一个类别的概率最大化,从上至下递归生成叶子节点,直到节点上的数据被正确分类则停止决策树生长;每一个节点在决策空间中分割特征,每一个叶子节点表示一种规则;将特征向量作为输入,根据树的切分规则进行划分,落入一个叶子节点,该激活叶子节点表示一个交叉特征规则;将所述交叉特征用one-hot编码表示,其中表示树的第个叶子节点,,得到一棵树的交叉特征表示; 步骤2.2:使用极限梯度提升XGBoost算法,将步骤2.1所述决策树作为弱学习器,使用boosting集成为强学习器;迭代多棵决策树形成XGBoost,第一棵树由步骤2.1生成,其余每一颗树是由前一颗树结果和真实结果的残差作为拟合目标,在残差下降的梯度方向上构建新的树,方式与步骤2.1相同,生成的决策树数量等于迭代次数;使用交易数据对XGBoost模型预训练,得到多棵树组成的森林来获得高阶交叉特征;每棵树根据步骤2.1都会得到一个交叉特征表示,将其连接得到multi-hot交叉特征,其中表示树的棵树,表示所有叶子节点个数; 步骤3:将规则表示投影到一个可学习的规则密集嵌入矩阵; 步骤4:使用多头自注意力机制获得不同交叉特征之间的相关性,对得到的规则嵌入矩阵做规则之间的交互建模,挖掘规则之间更深层次的交易欺诈模式; 所述步骤4的具体步骤包括: 步骤4.1:对步骤3生成的规则嵌入矩阵进行自我注意力机制来学习规则嵌入之间的相互作用,来揭示潜在的非法行为模式: 用放缩点积得到注意力分数,,其中是自注意力中的查询、键和值,是的维度;由于不同时的效果优于相同时的效果,将步骤3得到的规则嵌入矩阵使用不同的前馈神经网络投影到不同的新的矩阵,将新的矩阵作为放缩点积注意力的输入,将原始的计算公式变换为,,,,其中表示三个要学习的前馈神经网络,表示点积,d为矩阵维度; 步骤4.2:为了实现不同角度的规则嵌入的相互作用,利用多头自注意力机制,通过个不同角度的线性变换对进行投影,每个角度的放缩点积注意力,其中是可学习的权重参数;将个不同的放缩点积注意力结果拼接,得到的多头感知规则嵌入矩阵,其中是可学习的权重参数; 步骤5:引入注意力网络学习规则嵌入在其他重要条件特征下的注意力分数,将所得注意力权重聚合规则嵌入向量得到新的交易表示,将其与这些重要条件特征向量的嵌入表示相融合,得到最终的交易表示,学习特定特征及交易决策规则之间的交互; 步骤6:将交易的最终表示输入到输出层计算交易的欺诈分数,训练该模型,训练轮次达到预设值或达到早停条件后停止训练,并设定阈值来区分正常和非法交易,当欺诈分数达到阈值时判定为欺诈。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华东师范大学;君烁(上海)信息科技有限公司,其通讯地址为:200241 上海市闵行区东川路500号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。