[发明专利]基于核监督哈希模型的电子欺诈交易识别方法、系统、装置有效

专利信息
申请号: 202010237091.6 申请日: 2020-03-30
公开(公告)号: CN113469695B 公开(公告)日: 2023-06-30
发明(设计)人: 蒋昌俊;闫春钢;丁志军;刘关俊;张亚英;李震川 申请(专利权)人: 同济大学
主分类号: G06Q20/40 分类号: G06Q20/40;G06Q40/04;G06N20/00;G06F18/214;G06F18/241
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 邬嫡波
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 监督 模型 电子 欺诈 交易 识别 方法 系统 装置
【权利要求书】:

1.一种基于核监督哈希模型的电子欺诈交易识别方法,其特征在于,包括以下步骤:

构建核监督哈希模型;所述核监督哈希模型是通过构建一组核哈希函数将高维度的原始数据映射为低维度的哈希编码,然后在哈希空间中采用最近邻搜索的方法对交易进行分类;所述哈希编码由多个带有不同参数的核哈希函数生成;

使用已标记的正常交易数据和欺诈交易数据训练所述核监督哈希模型,得到训练好的核监督哈希模型;包括:建立核监督哈希模型的优化目标函数;使用贪心算法和梯度下降方法优化核监督哈希模型的优化目标函数;

使用训练好的核监督哈希模型识别正常交易和欺诈交易;包括以下步骤:

将全部训练数据经过所述训练好的核监督哈希模型KSH(x)进行编码,得到所述全部训练数据的哈希编码;

将测试数据经过所述核监督哈希模型KSH(x)进行编码,得到所述测试数据的哈希编码;

采用汉明距离计算测试数据的哈希编码与全部训练数据的哈希编码之间的相似度,并基于KNN模型对相似度进行分类;

选出与所述测试数据的哈希编码的相似度最接近的k个训练数据,基于所述k个训练数据的交易类型识别所述测试数据的交易类型。

2.根据权利要求1所述的基于核监督哈希模型的电子欺诈交易识别方法,其特征在于,所述构建核监督哈希模型包括以下步骤:

确定采用核哈希函数的个数p;

定义核哈希函数为:

其中,核函数k(·)采用高斯核函数;

采用p个核哈希函数将输入的每条交易数据x映射为p位哈希编码c。

3.根据权利要求2所述的基于核监督哈希模型的电子欺诈交易识别方法,其特征在于,

所述核监督哈希模型的优化目标函数为:

其中运算表示矩阵的Frobenius范数的平方,Ht表示为:

其中

4.一种基于核监督哈希模型的电子欺诈交易识别系统,其特征在于,包括:定义模块、训练模块和识别模块;

所述定义模块用于构建核监督哈希模型;所述核监督哈希模型是通过构建一组核哈希函数将高维度的原始数据映射为低维度的哈希编码,然后在哈希空间中采用最近邻搜索的方法对交易进行分类;所述哈希编码由多个带有不同参数的核哈希函数生成;

所述训练模块用于使用已标记的正常交易数据和欺诈交易数据训练所述核监督哈希模型,得到训练好的核监督哈希模型;包括:建立核监督哈希模型的优化目标函数;使用贪心算法和梯度下降方法优化核监督哈希模型的优化目标函数;

所述识别模块用于使用训练好的核监督哈希模型识别正常交易和欺诈交易;包括以下步骤:

将全部训练数据经过所述训练好的核监督哈希模型KSH(x)进行编码,得到所述全部训练数据的哈希编码;

将测试数据经过所述核监督哈希模型KSH(x)进行编码,得到所述测试数据的哈希编码;

采用汉明距离计算测试数据的哈希编码与全部训练数据的哈希编码之间的相似度,并基于KNN模型对相似度进行分类;

选出与所述测试数据的哈希编码的相似度最接近的k个训练数据,基于所述k个训练数据的交易类型识别所述测试数据的交易类型。

5.根据权利要求4所述的基于核监督哈希模型的电子欺诈交易识别系统,其特征在于,所述定义模块用于:

确定采用核哈希函数的个数p;

定义核哈希函数为:

其中,核函数k(·)采用高斯核函数;

采用p个核哈希函数将输入的每条交易数据x映射为p位哈希编码c。

6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行,以实现权利要求1至3中任一项所述基于核监督哈希模型的电子欺诈交易识别方法。

7.一种基于核监督哈希模型的电子欺诈交易识别装置,其特征在于,包括:处理器和存储器;

所述存储器用于存储计算机程序;

所述处理器与所述存储器相连,用于执行所述存储器存储的计算机程序,以使所述基于核监督哈希模型的电子欺诈交易识别装置执行权利要求1至3中任一项所述的基于核监督哈希模型的电子欺诈交易识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010237091.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top