-
公开(公告)号：CN109858930B
公开(公告)日：2023-06-09
申请号：CN201910068238.0
申请日：2019-01-24
Applicant: 同济大学
Abstract: 基于关联图谱表征学习的线上交易欺诈检测方法，其特征在于，包括两个步骤部分，第一个部分利用关联图谱生成异质信息网络和利用异质网络表征学习自动抽取特征，得到交易属性的向量表示；第二个部分在学习到交易属性的向量表示情况下，基于分类器实现预测交易异常可能性的过程。本发明在于克服传统欺诈检测方法的不足，节省了大量特征工程工作量，自动得到有利于欺诈检测的特征，对检测欺诈交易、拦截欺诈交易和保护用户和企业的资金安全有更好的保障。
-
公开(公告)号：CN114043476B
公开(公告)日：2023-03-31
申请号：CN202111301771.0
申请日：2021-11-04
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法，包括：步骤1、建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数；步骤2、进攻机器人通过传感器探测周围环境信息，获取友方和敌方机器人的态势信息，并利用惯性导航技术实时计算敌方领土位置；步骤3、所述进攻机器人构建适应度函数；步骤4、利用粒子群算法优化适应度函数，得到进攻机器人的最优占位；步骤5、进攻机器人进行移动与攻击操作；步骤6、若任一进攻机器人进入敌方领土，则任务完成；否则判断是否达到最大运行时间，若是，则任务失败；否则转到步骤2进行下一时间片的迭代。与现有技术相比，本发明避免了全局定位，控制无需预训练，解决了维数灾难的问题。
-
公开(公告)号：CN112862347A
公开(公告)日：2021-05-28
申请号：CN202110231853.6
申请日：2021-03-02
Applicant: 同济大学
IPC: G06Q10/06 , G01D21/02 , G06F16/215 , G06N20/20
Abstract: 本发明提供一种基于联邦学习的设备异常监测方法、系统、存储介质及终端，包括以下步骤：获取设备功能单元对应的关联性设备；获取所述关联性设备的关联性属性集合，基于各个设备的先验重要特征集合和所述关联性属性集合构建设备功能单元属性集合；获取训练好的目标场景下的用于设备异常监测的联邦学习模型；基于训练好的目标场景下的联邦学习模型和所述设备功能单元属性集合监测设备是否异常。本发明的基于联邦学习的设备异常监测方法、系统、存储介质及终端基于联邦学习技术实现工业设备的实时异常监测，准确度高，时效性好。
-
公开(公告)号：CN112529190A
公开(公告)日：2021-03-19
申请号：CN202011497670.0
申请日：2020-12-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于学习自动机随机点定位算法的多模态优化系统，包括初始化模块、参数选择模块、环境反馈模块、多模态随机点定位优化模块和输出模块，初始化模块初始化系统参数，参数选择模块对参数搜索空间中的每个参数子区间进行参数的迭代选择，参数经过优化后得到反馈输入环境反馈模块，得到环境反馈，输入多模态随机点定位优化模块得到当前所有最优参数的估计值，当多模态随机点定位优化模块中的迭代次数达到预设的最大迭代次数时，多模态随机点定位优化模块将得到的所有最优参数输入到输出模块，输出模块输出所有最优参数对应的最优参数集。与现有技术相比，本发明具有同时找到所有全局最优参数、提升随机点定位方法的适用范围等优点。
-
公开(公告)号：CN111277433A
公开(公告)日：2020-06-12
申请号：CN202010042262.X
申请日：2020-01-15
Applicant: 同济大学
Abstract: 本发明公开了一种基于属性网络表征学习的网络服务异常检测方法及装置，包括：获取初始网络服务数据，并基于其构建异质信息网络，获取节点属性集合；基于节点属性集合构建属性向量集，并根据属性向量集和异质信息网路构建属性信息网络；基于属性信息网络构建目标函数，并基于对其求解得到的网络表征学习要学习的节点对应向量构建属性信息网络中节点和与其对应的向量表征的映射关系；基于训练集数据训练得到异常检测模型，并根据异常检测模型计算测试集数据中每笔网络服务数据的异常概率。本发明增强了属性信息网络中节点的关联性，提高了异常检测模型的泛化能力，对检测异常、拦截异常和保护用户和企业的资金安全有更好的保障。
-
Patent Agency Ranking
公开(公告)号：CN107196871B
公开(公告)日：2020-04-28
申请号：CN201710247143.6
申请日：2017-04-14
Applicant: 同济大学
IPC: H04L12/851 , H04L12/741 , H04L29/06
Abstract: 一种基于别名规约树的流规则冲突检测方法及系统，包括：检查插入流表项，流表项对应数据包发送的数据流；构造别名规约树，根据别名规约树识别插入流表项引发的冲突；根据别名规约树，以预设逻辑匹配流表项中的数据流匹配信息；分析流表项的流规则，判断流规则是否适于组合；若是，则解析组合的冲突并完成流规则的组合；若否，则更新应用程序所读取的网络状态。
-
公开(公告)号：CN110544168A
公开(公告)日：2019-12-06
申请号：CN201910761996.0
申请日：2019-08-19
Applicant: 同济大学
Abstract: 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。
-
公开(公告)号：CN110189134A
公开(公告)日：2019-08-30
申请号：CN201910409251.8
申请日：2019-05-17
Applicant: 同济大学
Abstract: 一种基于疑似欺诈交易参照序位的网络支付反欺诈系统架构，涉及网络支付反欺诈领域。本发明创造性地采用欺诈特征子空间合成理念，首次提出基于疑似欺诈交易参照序位的完备性欺诈空间划分方法，将欺诈特征空间划分为：欺诈交易前驱位特征空间、欺诈交易后继位特征空间和欺诈交易当中位特征空间。不同特征子空间根据用户交易过程中产生的交易数据参照序位，使用模块中的其中几个或全部分析交易是否为欺诈交易，根据各个模块产生的结果采用投票法的决策策略对各个模块的结果进行集成，最终生成系统的决策结果。本发明利用多模块相互独立减少耦合性，利用集成和协调策略将多模块组合，扩展性和可解释性好，各个模块之间功能互补，提高反欺诈系统性能。
-
公开(公告)号：CN109993538A
公开(公告)日：2019-07-09
申请号：CN201910148549.8
申请日：2019-02-28
Applicant: 同济大学
Abstract: 本发明提供一种基于概率图模型的身份盗用检测方法，包括步骤：S1：收集获取并预处理网络支付交易数据，获得一网络支付交易特征集合；S2：利用所述网络支付交易特征集合建立获得一概率图模型；S3：输入一训练集并训练所述概率图模型的参数，同时利用贝叶斯定理获得所述概率图模型的条件概率参数；S4：利用所述条件概率参数和所述贝叶斯定理对输入的一预测集进行预测，获得一预测结果。本发明的一种基于概率图模型的身份盗用检测方法，以概率图模型为基础，通过对用户合成行为以及属性建模实现网络支付欺诈检测，可对检测模型进行动态的在线调整，提高拦截欺诈交易的准确性和模型的鲁棒性。
-
公开(公告)号：CN109308615A
公开(公告)日：2019-02-05
申请号：CN201810867646.8
申请日：2018-08-02
Applicant: 同济大学
Abstract: 本发明提供一种基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端，检测方法包括：接收用户最新交易请求，并根据接收到的用户最新交易请求于用户历史交易记录库中查询用户交易记录列表；根据所述用户交易记录列表获取获得特征向量；将所述特征向量送入分类器得到交易检测结果。通过本发明的检测系统进行交易检测，获得的预测效果好，达到了97.2％的召回率和低于1％的打扰率，同时响应速度快，给出一个预测结果的平均时间仅需1.5毫秒。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.027 seconds)
