公开(公告)号：CN113362160B

公开(公告)日：2023-08-22

申请号：CN202110635863.6

申请日：2021-06-08

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  吴佳胜 ,  陆美霞 ,  李姚根 ,  徐露娟 ,  夏旻

IPC: G06Q40/03 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。

公开(公告)号：CN113554181B

公开(公告)日：2023-06-23

申请号：CN202110768514.1

申请日：2021-07-07

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  陆美霞 ,  吴佳胜 ,  李姚根

IPC: G06N20/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于批增量方式的联邦学习训练模型。属于联邦学习训练领域，操作步骤：提出搭建具有增量学习的联邦学习框架；在联邦学习框架中保留有增量学习存在的历史遗忘性问题；针对历史遗忘性问题，通过构建本地损失更新，选择针对性的损失函数优化模型；再通过搭建联邦学习局部增量自注意力机制模型，加强具有增量学习的联邦学习框架在训练数据时的记忆，提高在联邦学习训练模型中分类任务的准确率。本发明不仅将目前所有本地模型损失的平均值添加到局部模型的损失中，帮助减少增量学习的快速遗忘的影响；还将自注意力机制用于最经典的卷积神经网络中，通过注意力机制，保留关键信息，更好地进行特征提取和选择，加强增量学习记忆。

公开(公告)号：CN113554181A

公开(公告)日：2021-10-26

申请号：CN202110768514.1

申请日：2021-07-07

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  陆美霞 ,  吴佳胜 ,  李姚根

IPC: G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于批增量方式的联邦学习训练模型。属于联邦学习训练领域，操作步骤：提出搭建具有增量学习的联邦学习框架；在联邦学习框架中保留有增量学习存在的历史遗忘性问题；针对历史遗忘性问题，通过构建本地损失更新，选择针对性的损失函数优化模型；再通过搭建联邦学习局部增量自注意力机制模型，加强具有增量学习的联邦学习框架在训练数据时的记忆，提高在联邦学习训练模型中分类任务的准确率。本发明不仅将目前所有本地模型损失的平均值添加到局部模型的损失中，帮助减少增量学习的快速遗忘的影响；还将自注意力机制用于最经典的卷积神经网络中，通过注意力机制，保留关键信息，更好地进行特征提取和选择，加强增量学习记忆。

公开(公告)号：CN113362160A

公开(公告)日：2021-09-07

申请号：CN202110635863.6

申请日：2021-06-08

Applicant: 南京信息工程大学

Inventor： 胡凯 ,  吴佳胜 ,  陆美霞 ,  李姚根 ,  徐露娟 ,  夏旻

IPC: G06Q40/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。