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！

龙图腾网恭喜华南师范大学申请的专利交易欺诈的检测方法、装置、计算机设备以及存储介质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：CN118379061B 。

龙图腾网通过国家知识产权局官网在2025-05-20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：202410465030.3，技术领域涉及：G06Q20/40；该发明授权交易欺诈的检测方法、装置、计算机设备以及存储介质是由庄伟豪;许文天;王婧;袭奇;谢承旺设计研发完成，并于2024-04-18向国家知识产权局提交的专利申请。

本交易欺诈的检测方法、装置、计算机设备以及存储介质在说明书摘要公布了：本发明涉及交易欺诈检测领域，特别涉及一种交易欺诈的检测方法、装置、计算机设备以及存储介质，对样本线上交易数据进行数据筛选、缺失值填充以及特征编码，删除冗余特征的同时，深度挖掘样本线上交易数据中的空间分布信息与统计信息，有效克服了基础特征的局限，提供更加全面和精确的信息特征描述，采用混合特征排序，有效提高了特征选择的健壮性和可靠性，作为经多目标优化方法优化后的模型训练的训练数据，综合多维度的空间探索和性能考量，追求模型高准确率的同时，构建低复杂度的模型框架，提高了模型优化的丰富性，有效地提高了模型训练的准确度以及效率，满足在线交易欺诈检测的高准确度以及实时性的要求。

本发明授权交易欺诈的检测方法、装置、计算机设备以及存储介质在权利要求书中公布了：1.一种交易欺诈的检测方法，其特征在于，包括以下步骤：获得样本线上交易数据，其中，所述样本线上交易数据包括若干个样本线上交易记录的交易特征数据；所述交易特征数据的类型包括交易参与者类型以及交易数值类型；所述交易参与者类型的数据包括交易卡号子数据、交易接收地址子数据、交易发送地址子数据以及交易发生域名子数据及交易接受域名子数据；所述交易数值类型包括交易金额子数据；对若干个样本线上交易记录的所述交易特征数据进行预处理，获得样本线上交易特征编码数据，其中，所述样本线上交易特征编码数据包括若干个样本线上交易记录的交易特征编码数据，所述预处理步骤包括数据筛选、缺失值填充以及特征编码；对若干个样本线上交易记录的所述交易特征编码数据进行特征混合排序，获得样本线上交易特征排序数据，其中，所述样本线上交易特征排序数据包括若干个样本线上交易记录的交易特征排序数据，所述混合排序是卡方检验排序、递归特征消除排序以及极端梯度提升特征重要性排序三种排序的权重排序结果；构建初始交易欺诈模型，所述初始交易欺诈模型为待搜索多阶段多目标优化模型；将若干个样本线上交易记录的所述交易特征排序数据输入至所述初始交易欺诈模型中，根据若干个样本线上交易记录的所述交易特征排序数据、预设的第一多目标优化目标函数以及第一多目标优化限制条件，对分类器的超参数进行优化，其中，所述第一多目标优化的目标函数为： 式中，为第一多目标优化目标函数，为ROC曲线下面积，为取最大值函数，为取最小值函数，为决策树最大深度，为决策树数目，为特征数目；所述第一多目标优化限制条件为： 式中，为第一多目标优化限制条件，分别为卡方检验排序序列权重参数、递归特征消除排序序列权重参数以及极端梯度提升树排序序列权重参数；根据若干个样本线上交易记录的所述交易特征排序数据、预设的第二多目标优化目标函数以及第二多目标优化限制条件，对混合排序的权重参数进行优化，获得多目标优化后的初始交易欺诈模型，其中，所述第二多目标优化的目标函数为： 式中，为评估指标计算函数，为准确率，为召回率，为精确率，为精确率和召回率的加权几何平均，为精确率和召回率的调和平均，为精确率和召回率的非调和平均，为平衡准确率；所述第二多目标优化限制条件为： 式中，为第二多目标优化限制条件；所述初始交易欺诈模型的分类器包括决策树，所述决策树包括若干个叶节点；将若干个样本线上交易记录的所述交易特征排序数据分别输入至若干棵决策树的若干个叶节点中，获得若干个样本线上交易记录在每一棵决策树上对应的若干个叶节点的权重分数，将同一个样本线上交易记录在每一棵决策树上对应的若干个叶节点的权重分数进行累加，获得当前迭代次数的若干个样本线上交易记录的叶节点权重分数；根据若干个样本线上交易记录的所述叶节点权重分数、预设的迭代次数以及预测算法，获得经过若干次迭代次数后的若干个样本线上交易记录的预测值，其中，所述预测算法为： 式中，为第t次迭代次数对应的第i个样本线上交易记录的预测值，为第t次迭代次数对应的第i个样本线上交易记录的叶节点权重分数；获得若干个样本线上交易记录的真实值，根据若干个样本线上交易记录的真实值、预测值、若干个迭代次数的若干个样本线上交易记录的叶节点权重分数以及预设的训练目标函数，采用梯度下降方法，对多目标优化后的初始交易欺诈模型进行训练，获得目标交易欺诈模型，其中，所述训练目标函数为： 式中，为第t次迭代次数的训练目标函数，N为样本线上交易记录的数目，为损失函数，为第i个样本线上交易记录的真实值，为第t-1次迭代次数对应的第i个样本线上交易记录的预测值，为当前迭代次数的模型预测第i个样本线上交易记录的梯度信息，为当前迭代次数的模型预测第i个样本线上交易记录的黑塞信息，为正则项函数，为第t次迭代次数对应的正则项，为第k次迭代次数对应的正则项；获得待检测线上交易数据，对所述待检测线上交易数据中的若干个线上交易记录的交易特征数据进行预处理，获得待检测线上交易特征编码数据，对所述待检测线上交易特征编码数据中的若干个线上交易记录的交易特征编码数据进行特征混合排序，获得待检测线上交易特征排序数据，将所述待检测线上交易特征排序数据输入所述目标交易欺诈模型，获得所述待检测线上交易数据的交易欺诈检测结果。

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南师范大学，其通讯地址为：516699 广东省汕尾市城区马宫街道香江大道西55号华南师范大学数据科学与工程学院；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”。