公开(公告)号：CN119130492A

公开(公告)日：2024-12-13

申请号：CN202411234924.8

申请日：2024-09-04

Applicant: 浙江大学宁波“五位一体”校区教育发展中心

Inventor： 王慧琼 ,  孙立 ,  宋明黎 ,  宋杰 ,  冯尊磊

IPC: G06Q30/018 ,  G06Q50/50 ,  G06F18/213 ,  G06F18/24 ,  G06F18/2135 ,  G06N3/048

Abstract: 一种针对快速变异信息的小样本电信反欺诈方法和装置，其方法包括：利用通用大模型构建特征抽取器；利用新数据收集支撑数据集；利用通用大模型收集支撑数据集的特征向量；获取支撑数据集的表征向量表达，组装特征矩阵；训练扩展小模型以适配新的数据风险。本发明首先收集小样本的支持数据集，通常为几条至几十条不等，然后利用超大规模语言模型对支撑文本进行数值特征转换，保留文本语义的同时降低大样本的需求；接着在支撑文本的样例空间进行降维，保留对新风险识别精度最大贡献的维度，最后在新特征空间中训练小模型完成新风险的识别。本发明针对快速变异的电信反欺诈识别问题，提供一种可持续发展的可快速迭代的小样本电信欺诈风险识别方法。

公开(公告)号：CN118155661A

公开(公告)日：2024-06-07

申请号：CN202410265676.7

申请日：2024-03-08

Applicant: 浙江大学宁波“五位一体”校区教育发展中心

Inventor： 王慧琼 ,  孙立 ,  宋明黎 ,  宋杰 ,  冯尊磊

IPC: G10L25/51 ,  G10L15/08 ,  G10L15/26 ,  G10L19/18 ,  H04L9/40 ,  H04L9/32 ,  G06F18/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06Q50/50

Abstract: 一种基于多模态融合深度神经网络模型电信反欺诈方法和系统，其方法包括：步骤1.将信息中的语音模态转换为文字模态；步骤2.将信息中的图像进行切片并转换为图像数字向量；步骤3.将信息中的文本转换为数字向量；步骤4.文本图像信息融合向量生成；步骤5.多层联合向量的深度学习网络迭代训练；步骤6.欺诈识别预测；待预测是否为欺诈的样本输入到已经训练好的分类器模型中，利用最后一层迭代后的输出向量，经过双曲正切函数进行映射，完成欺诈预测时的是否违规的判断。