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！

龙图腾网获悉福建中锐电子科技有限公司申请的专利基于深度学习的账话单异常交易识别分析方法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：CN121258523B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511828306.0，技术领域涉及：G06Q20/40；该发明授权基于深度学习的账话单异常交易识别分析方法是由郑友敏;刘元生设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本基于深度学习的账话单异常交易识别分析方法在说明书摘要公布了：本发明涉及人工智能技术领域，公开了一种基于深度学习的账话单异常交易识别分析方法。该方法包括：融合用户历史账话单时序数据与静态画像，构建多模态特征向量；利用基于变换器的条件变分自编码器学习个性化正常行为分布；通过重构误差计算异常分数；结合极值理论动态生成判定阈值以识别异常交易；并对异常进行特征归因分析。本发明无需异常样本训练，具备强泛化能力、低误报率与高可解释性。

本发明授权基于深度学习的账话单异常交易识别分析方法在权利要求书中公布了：1.一种基于深度学习的账话单异常交易识别分析方法，其特征在于，包括： 获取指定用户的历史账话单数据序列以及用户的静态画像数据； 对所述历史账话单数据序列及用户的静态画像数据进行多模态特征工程处理，生成归一化的时序特征向量序列与静态特征向量； 构建并训练个性化时序行为生成模型，所述模型以所述静态特征向量为条件输入，并基于所述时序特征向量序列进行训练，以学习生成符合该用户正常行为模式的交易特征向量序列的概率分布； 接收待检测的新交易数据，并将其进行与所述多模态特征工程处理相同的变换，得到待检测交易特征向量； 将所述待检测交易特征向量与该用户的历史时序特征向量序列相结合，输入至已训练的所述个性化时序行为生成模型，计算所述待检测交易特征向量的重构误差，并将所述重构误差量化为单一标量的异常分数； 为所述指定用户维护历史正常交易异常分数集合，并利用基于极值理论的超阈值峰值模型对所述集合中的数据分布进行拟合，从而确定动态自适应的异常判定阈值； 将所述待检测交易的异常分数与所述动态自适应的异常判定阈值进行比较，若所述异常分数大于所述阈值，则将所述待检测交易判定为异常交易； 在将所述待检测交易判定为异常交易之后，进一步对所述重构误差在不同特征维度上的分量进行分析，识别并输出对异常判定贡献度最高的特征维度组合，作为异常交易的解释性归因报告； 所述个性化时序行为生成模型为基于变换器架构的条件变分自编码器； 所述条件变分自编码器包括编码器模块、解码器模块以及条件注入模块；所述编码器模块采用多层变换器编码层堆叠而成，用于将输入的用户历史时序特征向量序列压缩为服从高斯分布的隐空间表征，输出隐变量的均值向量和对数方差向量； 所述条件注入模块将用户的静态特征向量通过全连接神经网络进行变换，并将变换后的向量与从所述高斯分布中采样的隐变量向量进行拼接； 所述解码器模块采用多层变换器解码层堆叠而成，其接收所述将变换后的向量与从所述高斯分布中采样的隐变量向量进行拼接的向量作为输入，并以自回归方式重构原始的时序特征向量序列； 所述模型的训练目标函数为证据下界，由重构损失项和克尔贝克-莱布勒散度正则化项构成，其中重构损失采用均方误差损失函数计算，克尔贝克-莱布勒散度用于约束隐空间分布逼近标准正态分布。

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福建中锐电子科技有限公司，其通讯地址为：350000 福建省福州市晋安区鼓山镇前横路169号盛辉物流集团总部大楼二十二层01-13单元；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。