[发明专利]一种面向深度学习的网络个人信贷欺诈行为检测方法有效
| 申请号： | 201910434402.5 | 申请日： | 2019-05-23 |
| 公开（公告）号： | CN110276679B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 胡文斌;唐传慧;过冰峰 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06Q40/02 | 分类号： | G06Q40/02;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 胡琦旖 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机科学技术领域，公开了一种面向深度学习的网络个人信贷欺诈行为检测方法，包括以下步骤：获取历史网络个人信贷信息；选取降噪梯度提升树的第一子参数；对降噪梯度提升树进行训练，使用历史网络个人信贷信息进行无监督学习，得到第一数据特征；使用第一数据特征进行有监督学习，完成降噪梯度提升树模型训练；存储降噪梯度提升树模型；输入新的网络个人信贷信息，通过降噪梯度提升树模型对欺诈行为进行检测。本发明具有更强的抗噪性和鲁棒性，能够提高网络个人信贷的欺诈检测效果。 | ||
| 搜索关键词： | 一种 面向 深度 学习 网络 个人 信贷 欺诈 行为 检测 方法 | ||
【主权项】：
1.一种面向深度学习的网络个人信贷欺诈行为检测方法，其特征在于，包括以下步骤：步骤1、获取历史网络个人信贷信息；步骤2、选取降噪梯度提升树的第一子参数；步骤3、对降噪梯度提升树进行训练，使用历史网络个人信贷信息进行无监督学习，得到第一数据特征；步骤4、使用第一数据特征进行有监督学习，完成降噪梯度提升树模型训练；步骤5、存储降噪梯度提升树模型；步骤6、输入新的网络个人信贷信息，通过降噪梯度提升树模型对欺诈行为进行检测。
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武汉大学，未经武汉大学许可，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/patent/201910434402.5/，转载请声明来源钻瓜专利网。
