-
公开(公告)号：CN113159947A
公开(公告)日：2021-07-23
申请号：CN202110285596.4
申请日：2021-03-17
Applicant: 同济大学
Abstract: 本发明公开了一种基于生成对抗网络的困难异常样本检测框架，解决了针对困难异常样本难以建立有效模型进行预测的问题，其技术方案要点是通过预处理数据，使用生成对抗网络，针对极度稀少的异常样本，学习到异常样本的分布，同时生成大量的异常和正常样本，利用这些生成的样本预训练一个分类模型，结合迁移学习的方法，使用真实数据对模型进行微调，最终得到所需分类模型以为困难异常样本检测提供支持，本发明的一种基于生成对抗网络的困难异常样本检测框架，可利用少量真实数据建立和训练异常检测模型，能进行微调后训练出工业可用的模型。
-
公开(公告)号：CN113033306A
公开(公告)日：2021-06-25
申请号：CN202110195696.8
申请日：2021-02-20
Applicant: 同济大学
Abstract: 本发明提供一种信号源搜索方法，包括：获取各智能体于上一搜索阶段的运动状态信息和堆结构，根据堆结构确定各智能体对应的领导者智能体，以获取各领导者智能体于上一搜索阶段的位置信息；根据各智能体于上一搜索阶段的运动状态信息，和领导者智能体于上一搜索阶段的位置信息，获取各智能体于当前搜索阶段的运动状态信息，以使各智能体运动至新位置，并于新位置处获取当前信号强度；检测各所述当前信号强度是否存在满足信号强度预设条件，如是，则根据满足信号强度条件的智能体新位置信息，确定信号源的位置信息；如否，则执行堆化更新操作，获取新的堆结构；重复以上步骤；本方法能明显提高搜索精度和搜索性能。
-
公开(公告)号：CN108268762B
公开(公告)日：2021-04-30
申请号：CN201810043919.7
申请日：2018-01-17
Applicant: 同济大学
Abstract: 本发明研究基于行为建模的移动社交网络用户身份识伪方法。从而对用户行为一致进行判定，以此来判定用户的合法性。基于行为建模的移动社交网络用户身份识伪方法,得益于当前移动社交网络提供的丰富信息数据，我们获取到大量用户社交数据，包括位置、移动模式、社交关系、用户生成内容及购物记录等。以多元数据为研究对象，提取这些信息的特征。采用混合核密度估计、LDA文本建模等方法实现对用户行为在以下三个维度的建模：(1)地理位置(2)用户生成文本(3)社交关系，通过模拟用户身份盗用实验计算出检测的拦截率和打扰率以及查准率，由此评价系统性能，解决传统身份识别系统的弊病，为信息化时代安全问题的解决提供新思路和分析方法。
-
公开(公告)号：CN111277433B
公开(公告)日：2021-02-12
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络构建属性信息网络；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。
-
公开(公告)号：CN109308615B
公开(公告)日：2020-12-29
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。
-
Patent Agency Ranking
公开(公告)号：CN108494741B
公开(公告)日：2020-09-15
申请号：CN201810177924.7
申请日：2018-03-05
Applicant: 同济大学
Abstract: 一种基于合成行为建模的线上用户身份盗用检测方法，其特征在于，首先基于线上用户的合成行为投影关联性填充不充分的行为数据；然后基于合成行为形成机制特征，同时考虑合成行为的投影空间关联，设计线上用户合成行为的生成模型并推导出其中的关键参数；最后根据所得模型快速、准确地判断新行为是否正常，实现实时地身份盗用检测。本发明设计的基于线上用户合成行为的身份盗用检测方法，解决传统身份识别系统的弊病，为信息化时代安全问题的解决提供了新的思路和分析方法。本发明克服了现有技术的不足，用于实时地检测线上用户合成行为的异常指数，有效地检测出可能发生的线上身份盗用行为。
-
公开(公告)号：CN111639690A
公开(公告)日：2020-09-08
申请号：CN202010436169.7
申请日：2020-05-21
Applicant: 同济大学
Abstract: 本发明提供一种基于关系图谱学习的欺诈分析方法、系统、介质及设备，所述基于关系图谱学习的欺诈分析方法包括：根据用户的信息记录构建异质关系图谱；对所述信息记录和异质关系图谱进行特征提取，以获取多个用户信息特征，通过所述用户信息特征标识该用户的信息录入行为；将多个所述用户信息特征分别输入一级分类器中进行初级分类；将所有初级分类的结果输入二级分类器中进行分类决策，以输出该用户是否为欺诈用户的分类结果；所述二级分类器是由所述一级分类器进行模型融合后确定的集成式分类器。本发明利用多维度特征训练各个初级分类器，并对各个初级分类器进行模型融合，全面提升欺诈识别的性能指标。
-
-
公开(公告)号：CN111028073A
公开(公告)日：2020-04-17
申请号：CN201911101576.6
申请日：2019-11-12
Applicant: 同济大学
IPC: G06Q40/02
Abstract: 一种网络借贷欺诈检测系统，嵌入于互联网网络借贷审核系统，连接网络借贷记录数据供应模块，包括网络构建与更新模块、网络学习表征模块、特征构建模块、欺诈检测模型。网络构建与更新模块，包括关系借贷网络构建与更新模块、同质借贷网络的构建与更新模块，关系借贷网络构建与更新模块与同质借贷网络的构建与更新模块连接；网络表征学习模块，包括静态网络表征学习模块和增量式网络表征学习模块；特征构建模块，包括数据向量化模块和时序特征构造模块，数据向量化模块输出与时序特征构造模块输入连接，静态网络表征学习模块和增量式网络表征学习模块的输出分别与数据向量化模块的输入连接；所述欺诈检测模块，对测试数据实现欺诈检测。
-
公开(公告)号：CN109754258A
公开(公告)日：2019-05-14
申请号：CN201811579237.4
申请日：2018-12-24
Applicant: 同济大学
Abstract: 本发明为一种基于个体行为建模的面向线上交易欺诈检测方法，涉及互联网金融网络交易的反欺诈检测。该方法分为两个部分：第一个部分，利用关系图谱生成异质信息网络和利用异质网络表征学习得到能够挖掘交易属性之间联系的向量表示；第二个部分，在学习到节点的向量表示情况下，建立个体行为模型和预测交易异常可能性的过程。本发明克服传统欺诈检测方法的不足，增加其对数据潜在联系的挖掘能力，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。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.031 seconds)
