[發明專利]一種在線交易反欺詐方法及系統

在審

• 申請號: 202011021864.3
• 申請日: 2020-09-25
• 公開（公告）號: CN111967993A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 康海燕;張浩
• 申請（專利權）人: 北京信息科技大學
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q20/40;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

1.一種在線交易反欺詐方法，其特征在于，包括：

獲取原始交易數據以及噪聲；所述原始交易數據包括原始交易欺詐數據以及原始交易正常數據；所述噪聲包括第一噪聲以及第二噪聲；

基于長短期記憶LSTM模型，根據所述原始交易數據以及所述噪聲生成耿貝爾-生成對抗網絡Gumbel-GAN模型；所述Gumbel-GAN模型包括生成網絡以及判別網絡；

根據所述Gumbel-GAN模型生成虛擬欺詐數據；

將所述虛擬欺詐數據擴充所述原始交易數據，確定擴充后的原始交易數據；

將所述擴充后的原始交易數據進行平衡處理，生成平衡交易數據；

以所述平衡交易數據為輸入，以數據類別為輸出，對神經網絡模型進行訓練，生成交易數據評估模型；

獲取在線交易數據，并根據所述交易數據評估模型評估所述在線交易數據的數據類別；所述數據類別包括欺詐數據以及正常數據。

2.根據權利要求1所述的在線交易反欺詐方法，其特征在于，所述基于長短期記憶LSTM模型，根據所述原始交易數據以及所述噪聲生成耿貝爾-生成對抗網絡Gumbel-GAN模型，具體包括：

對所述原始交易數據進行預處理，確定預處理后的原始交易數據；

將第一噪聲輸入至所述生成網絡進行數據生成，并對所述生成網絡生成數據過程中的隱藏狀態進行Gumbel-softmax采樣輸出，生成第一偽數據；

將所述預處理后的原始交易數據以及所述第一偽數據同時輸入至所述判別網絡確定判別網絡損失值，并根據所述判別網絡損失值更新所述判別網絡的網絡參數，直至得到收斂后的判別網絡；

將第二噪聲輸入至所述生成網絡進行數據生成，并對所述生成網絡生成數據過程中的隱藏狀態進行Gumbel-softmax采樣輸出，生成第二偽數據；

將所述第二偽數據輸入至所述判別網絡，生成所述生成網絡的生成網絡損失值，并根據所述生成網絡損失值更新所述生成網絡的網絡參數，確定更新后的生成網絡，直至得到收斂后的生成網絡；

根據所述收斂后的判別網絡以及所述收斂后的生成網絡生成Gumbel-GAN模型。

3.根據權利要求2所述的在線交易反欺詐方法，其特征在于，所述Gumbel-GAN模型為：

其中，G為生成器；D為判別器；V(D，G)為價值函數；x～p_data(x)為真實的數據分布；z～p_z(z)為生成器的輸入數據分布；E_x～Pdata(x)為真實的數據分布的期望；E_z～Pz(x)生成器的輸入數據分布的期望；D(x)為判別網絡對輸入真實數據x后的輸出；G(z)為生成網絡對輸入噪聲z的輸出偽數據；D(G(z))為判別網絡對輸入偽數據G(z)后的輸出。

4.根據權利要求3所述的在線交易反欺詐方法，其特征在于，所述判別網絡的損失函數為：

Loss_D＝log(D(x))+log(1-D(G(z)))；其中，Loss_D為判別網絡損失值。

5.根據權利要求3所述的在線交易反欺詐方法，其特征在于，所述生成網絡的損失函數為：

Loss_G＝log(1-D(G(z)))；其中，Loss_G為生成網絡損失值。