-
公开(公告)号：CN111178902B
公开(公告)日：2023-05-16
申请号：CN201911275482.0
申请日：2019-12-12
Applicant: 同济大学
IPC: G06Q30/018 , G06F18/214 , G06F18/2431
Abstract: 本发明涉及自动化特征工程技术和互联网金融网络支付的反欺诈检测。一种基于自动化特征工程的网络支付欺诈检测方法，分为两个部分，其特征在于：第一个部分是自动化特征构造部分，在在线网络支付原始特征的基础上，利用定制化特征构造树的自动化特征工程方法，获得所有新特征的构造过程集合；第二个部分是模型训练与欺诈检测部分，对于训练数据集，根据新特征向量的构造过程集合，构造出新特征，将所有特征和标签输入到机器学习模型进行训练，得到欺诈检测模型；对于实时测试数据集，同样根据新特征的构造过程集合，构造出新特征，将所有特征输入进欺诈检测模型进行欺诈预测。实现网络支付的异常检测。
-
Patent Agency Ranking
公开(公告)号：CN111275447B
公开(公告)日：2023-08-29
申请号：CN202010055739.8
申请日：2020-01-17
Applicant: 同济大学
Abstract: 一种基于自动化特征工程的在线网络支付欺诈检测系统。用户与商户之间通过各自的PC或者移动端在网络上发生的实时交易数据记录由银行数据中心负责接收汇总；银行数据中心通过二次处理筛选出所需特征字段，将这些原始特征提供给自动化特征工程模块；自动化特征工程模块在在线网络支付原始特征的基础上，进行特征构造获得所有新特征的构造过程集合，提供给欺诈检测模块进行异常鉴定；欺诈检测模块，根据新特征向量的构造过程集合，构造出新特征，将所有特征和标签输入到机器学习模型进行判别，对正常交易进行放行，对异常交易的用户提出二次身份认证。后续二次认证成功则重新允许用户再次进行交易，否则锁定用户账号，拒绝其进行任何交易。
-
公开(公告)号：CN109767225A
公开(公告)日：2019-05-17
申请号：CN201811516440.7
申请日：2018-12-12
Applicant: 同济大学
Abstract: 本发明公开一种基于自学习滑动时间窗口的网络支付欺诈检测方法，目的为了寻找更为有效的网络支付欺诈检测的实现方案，其包括如下步骤：获取实时检测的某个用户新来的一笔交易记录，并基于交易记录和预置的滑动时间窗口提取不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征；将不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征输入到训练完毕的随机森林分类器模型中，得到并返回交易记录存在欺诈可能性的概率。本发明利用强化学习中的学习自动机对滑动时间窗口大小进行动态学习和调整，解决传统欺诈检测系统存在滞后性的弊病。
-
公开(公告)号：CN109767225B
公开(公告)日：2022-12-27
申请号：CN201811516440.7
申请日：2018-12-12
Applicant: 同济大学
Abstract: 本发明公开一种基于自学习滑动时间窗口的网络支付欺诈检测方法，目的为了寻找更为有效的网络支付欺诈检测的实现方案，其包括如下步骤：获取实时检测的某个用户新来的一笔交易记录，并基于交易记录和预置的滑动时间窗口提取不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征；将不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征输入到训练完毕的随机森林分类器模型中，得到并返回交易记录存在欺诈可能性的概率。本发明利用强化学习中的学习自动机对滑动时间窗口大小进行动态学习和调整，解决传统欺诈检测系统存在滞后性的弊病。
-
公开(公告)号：CN111275447A
公开(公告)日：2020-06-12
申请号：CN202010055739.8
申请日：2020-01-17
Applicant: 同济大学
Abstract: 一种基于自动化特征工程的在线网络支付欺诈检测系统。用户与商户之间通过各自的PC或者移动端在网络上发生的实时交易数据记录由银行数据中心负责接收汇总；银行数据中心通过二次处理筛选出所需特征字段，将这些原始特征提供给自动化特征工程模块；自动化特征工程模块在在线网络支付原始特征的基础上，进行特征构造获得所有新特征的构造过程集合，提供给欺诈检测模块进行异常鉴定；欺诈检测模块，根据新特征向量的构造过程集合，构造出新特征，将所有特征和标签输入到机器学习模型进行判别，对正常交易进行放行，对异常交易的用户提出二次身份认证。后续二次认证成功则重新允许用户再次进行交易，否则锁定用户账号，拒绝其进行任何交易。
-
公开(公告)号：CN111178902A
公开(公告)日：2020-05-19
申请号：CN201911275482.0
申请日：2019-12-12
Applicant: 同济大学
Abstract: 本发明涉及自动化特征工程技术和互联网金融网络支付的反欺诈检测。一种基于自动化特征工程的网络支付欺诈检测方法，分为两个部分，其特征在于：第一个部分是自动化特征构造部分，在在线网络支付原始特征的基础上，利用定制化特征构造树的自动化特征工程方法，获得所有新特征的构造过程集合；第二个部分是模型训练与欺诈检测部分，对于训练数据集，根据新特征向量的构造过程集合，构造出新特征，将所有特征和标签输入到机器学习模型进行训练，得到欺诈检测模型；对于实时测试数据集，同样根据新特征的构造过程集合，构造出新特征，将所有特征输入进欺诈检测模型进行欺诈预测。实现网络支付的异常检测。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
