[发明专利]一种基于生成对抗网络的弱监督互联网金融反欺诈方法在审
| 申请号： | 201910761996.0 | 申请日： | 2019-08-19 |
| 公开（公告）号： | CN110544168A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 王成;胡腾 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06Q30/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 31227 上海伯瑞杰知识产权代理有限公司 | 代理人： | 孟旭彤<国际申请>=<国际公布>=<进入 |
| 地址： | 200000 *** | 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： | 本发明公开了一种基于生成对抗网络的弱监督互联网金融反欺诈方法，涉及互联网金融网络支付的反欺诈检测领域，解决了目前反欺诈对于欺诈数据的使用不完全，模型准确率低的弊端，其技术方案要点是对互联网金融产生的交易数据进行预处理以能进行模型的计算；建立生成对抗网络的生成模型和判别模型，根据真实数据和随机生成的数据交替训练判别模型和生成模型直至模型收敛；将收敛的生成对抗网络中的生成模型作为样本生成器，通过神经网络的预测模型对交易数据评估，本发明的一种基于生成对抗网络的弱监督互联网金融反欺诈方法，在不丢失信息量的情况下还能引入新的信息量，提高了模型的泛化能力，从而提高了拦截欺诈交易的准确性和模型的鲁棒性。 | ||
| 搜索关键词： | 欺诈 生成模型 互联网 对抗 交易数据 判别模型 网络 信息量 收敛 预处理 金融 技术方案要点 样本生成器 金融网络 欺诈检测 神经网络 随机生成 预测模型 真实数据 鲁棒性 准确率 拦截 监督 引入 评估 交易 | ||
【主权项】：
1.一种基于生成对抗网络的弱监督互联网金融反欺诈方法，其特征是，包括有以下步骤：/n对互联网金融产生的交易数据进行预处理以能进行模型的计算；/n建立生成对抗网络的生成模型和判别模型，根据真实数据和随机生成的数据交替训练判别模型和生成模型直至模型收敛；/n将收敛的生成对抗网络中的生成模型作为样本生成器，用来生成欺诈的标签数据；/n通过生成的标签数据训练预测模型，以通过预测模型进行交易数据评估。/n
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/patent/201910761996.0/，转载请声明来源钻瓜专利网。
