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！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于多阶段数据增强的去噪图欺诈检测方法，包括以下步骤：S11、获取信用卡用户社交网络图；S12、利用预构建的图神经网络的预测结果，用户将划分以获得用户组群；S13、基于对比学习的数据增强策略，以自监督的方式增强每个用户组群中用户的嵌入表示；S14、通过图神经网络固有的记忆效应筛选用户，并采用多阶段去噪机制执行对应的数据增强，以指导图神经网络鲁邦训练与更新用户组群的分布；S15、重复上述S12至S14，直至获鲁邦的用户嵌入表示；S16、利用用户嵌入表示，计算用于检测欺诈的用户真实画像。本发明还提供了一种去噪图欺诈检测装置。本发明提供的方法能提高欺诈检测模型的性能，减少在信用卡交易场景中欺诈交易情况的发生。

主权项：1.一种基于多阶段数据增强的去噪图欺诈检测方法，其特征在于，包括以下步骤：S11、构建信用卡用户社交网络图，其中以用户信息为节点，将用户之间的交互信息作为边，所述用户信息包括用户的属性信息和身份标签；S12、利用预构建的图神经网络对信用卡用户社交网络图中每个节点进行预测，所述图神经网络包括通用图欺诈检测模型框架和对比学习层，并基于预测结果中散度将用户进行划分以获得用户组群，所述用户组群包括干净用户、伪装用户和噪声用户，其具体步骤如下：S21、利用预构建的图神经网络对信用卡用户社交网络图中每个节点进行概率预测；S22、根据节点的概率预测与信用卡用户社交网络图中对应用户的身份标签进行散度的计算，以计算结果与预设的阈值将用户初步划分为干净用户和噪声用户；S23、在干净用户和噪声用户的基础上，构建干净用户子集和噪声用户子集，其中表示散度，并利用预设的阈值对两个子集进行分筛，将散度小于阈值的用户归为伪装用户，以获得最终的用户组群；S13、基于对比学习的数据增强策略，以自监督的方式增强每个用户组群中用户的嵌入表示，其具体过程如下：S31、针对信用卡用户社交网络图中各节点，生成对应可学习的初始化用户嵌入表示；S32、将初始化用户嵌入表示与用户组群通过自监督的方式，以构建用于放大各类用户之间差异的用户嵌入表示；S14、通过所述图神经网络固有的记忆效应筛选用户，并采用多阶段去噪机制执行对应的数据增强，以指导所述图神经网络鲁棒训练与更新用户组群的分布，其具体过程如下：S41、在图神经网络训练的早期阶段，对干净用户的数据样本进行数据增强，以增强图神经网络对于干净用户数据的记忆；S42、在图神经网络训练的中期阶段，对伪装用户的数据样本进行数据增强，使得图神经网络学习区分伪装用户数据和其他数据；S43、在图神经网络训练的后期阶段，对噪声用户的数据样本进行数据增强，以增强图神经网络对噪声用户数据的记忆；S15、重复上述S12至S14，直至获鲁棒的用户嵌入表示；S16、利用迭代获得的用户嵌入表示，计算用于检测欺诈的用户真实画像，其具体过程如下：S61、将S15获得的用户嵌入表示，输入至下游图欺诈检测模型以获得对应的用户嵌入向量；S62、将获得的用户嵌入向量输入至预构建的多层感知机中以获得对应的预测结果，所述预测结果包括每个用户组群分类的概率预测。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于多阶段数据增强的去噪图欺诈检测方法及装置