[發(fā)明專利]基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別方法、系統(tǒng)及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010436168.2
• 申請(qǐng)日: 2020-05-21
• 公開（公告）號(hào): CN113723950A
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計(jì)）人: 蔣昌俊;閆春鋼;丁志軍;劉關(guān)俊;張亞英;李震川
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): G06Q20/38
• 分類號(hào): G06Q20/38;G06K9/62;G06N3/08
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 鄔嫡波

1.一種基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別方法，其特征在于，包括以下步驟：

使用欺詐交易樣本訓(xùn)練含有超參數(shù)的one-class-SVM模型；其中屬于使用訓(xùn)練后的one-class-SVM模型將原始數(shù)據(jù)劃分為重疊數(shù)據(jù)子集和非重疊數(shù)據(jù)子集；計(jì)算不同超參數(shù)對(duì)應(yīng)的one-class-SVM模型劃分得到的重疊數(shù)據(jù)子集的動(dòng)態(tài)加權(quán)信息熵，選擇動(dòng)態(tài)加權(quán)信息熵最大的重疊數(shù)據(jù)子集對(duì)應(yīng)超參數(shù)對(duì)應(yīng)的one-class-SVM模型，作為重疊數(shù)據(jù)子集的動(dòng)態(tài)加權(quán)信息熵最大的one-class-SVM模型M_ocsvm；

使用one-class-SVM模型M_ocsvm將原始數(shù)據(jù)劃分為重疊數(shù)據(jù)子集和非重疊數(shù)據(jù)子集；

使用one-class-SVM模型M_ocsvm劃分得到的重疊數(shù)據(jù)子集訓(xùn)練非線性分類器模型M_clf，使用非線性分類器模型M_clf區(qū)分重疊數(shù)據(jù)子集中的欺詐交易和正常交易；

生成由one-class-SVM模型M_ocsvm和非線性分類器模型M_clf構(gòu)成的欺詐交易識(shí)別模型。

2.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別方法，其特征在于，所述重疊數(shù)據(jù)子集的動(dòng)態(tài)加權(quán)信息熵定義為：

G_DWE(θ)＝W_snr*H

其中，θ表示one-class-SVM模型的一組超參數(shù)；H表示重疊數(shù)據(jù)子集的信息熵；W_snr表示H的動(dòng)態(tài)權(quán)重，由少數(shù)類樣本的信噪比決定，H和W_snr分別定義為：

其中i∈{0，1，...，k},k表示重疊數(shù)據(jù)子集中的類別(對(duì)于欺詐交易識(shí)別來(lái)說k＝1)，p_i表示重疊數(shù)據(jù)子集中的某個(gè)樣本屬于類別i的概率，n_all表示原始數(shù)據(jù)集中少數(shù)類樣本的數(shù)量，n_outliers表示原始數(shù)據(jù)集中的被判定為噪聲數(shù)據(jù)的少數(shù)類樣本數(shù)量。

3.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別方法，其特征在于，所述非線性分類器模型為深度學(xué)習(xí)模型。

4.根據(jù)權(quán)利要求1所述的基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別方法，其特征在于，所述使用one-class-SVM模型M_ocsvm劃分得到的重疊數(shù)據(jù)子集訓(xùn)練非線性分類器模型M_clf，包括：

使用重疊數(shù)據(jù)子集的第一部分樣本訓(xùn)練非線性分類器模型M_clf；

使用重疊數(shù)據(jù)子集的第二部分樣本驗(yàn)證非線性分類器模型M_clf；

重復(fù)訓(xùn)練和驗(yàn)證步驟直到所述非線性分類器模型M_clf的準(zhǔn)確性符合預(yù)設(shè)要求。

5.一種基于動(dòng)態(tài)加權(quán)信息熵的欺詐交易識(shí)別系統(tǒng)，其特征在于，包括：訓(xùn)練模塊、劃分模塊、區(qū)分模塊和模型生成模塊；

所述訓(xùn)練模塊用于使用欺詐交易樣本訓(xùn)練含有超參數(shù)的one-class-SVM模型；其中屬于使用訓(xùn)練后的one-class-SVM模型將原始數(shù)據(jù)劃分為重疊數(shù)據(jù)子集和非重疊數(shù)據(jù)子集；計(jì)算不同超參數(shù)對(duì)應(yīng)的one-class-SVM模型劃分得到的重疊數(shù)據(jù)子集的動(dòng)態(tài)加權(quán)信息熵，選擇動(dòng)態(tài)加權(quán)信息熵最大的重疊數(shù)據(jù)子集對(duì)應(yīng)超參數(shù)對(duì)應(yīng)的one-class-SVM模型，作為重疊數(shù)據(jù)子集的動(dòng)態(tài)加權(quán)信息熵最大的one-class-SVM模型M_ocsvm；

所述劃分模塊用于使用one-class-SVM模型M_ocsvm將原始數(shù)據(jù)劃分為重疊數(shù)據(jù)子集和非重疊數(shù)據(jù)子集；

所述區(qū)分模塊用于使用one-class-SVM模型M_ocsvm劃分得到的重疊數(shù)據(jù)子集訓(xùn)練非線性分類器模型M_clf，使用非線性分類器模型M_clf區(qū)分重疊數(shù)據(jù)子集中的欺詐交易和正常交易；

所述模型生成模塊用于生成由one-class-SVM模型M_ocsvm和非線性分類器模型M_clf構(gòu)成的欺詐交易識(shí)別模型。