-
公开(公告)号：CN109754258B
公开(公告)日：2023-05-12
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。
-
公开(公告)号：CN114387092A
公开(公告)日：2022-04-22
申请号：CN202210111445.1
申请日：2022-01-29
Applicant: 同济大学
IPC: G06Q40/02 , G06K9/62 , G06F40/30 , G06F40/295
Abstract: 本发明属于网络借贷欺诈预测技术领域，公开了一种基于多阶段数据表征的网络借贷欺诈预测方法，包括以下步骤：步骤S101：根据原始网络借贷申请数据选定可用字段构建原始信息网络，然后将节点划分为实体和属性，构建由实体层和属性层组成的分层信息网络；步骤S102：从属性层中提取一个属性网络，给每个属性附加一个预训练的词向量来反映属性之间的语义相似性，利用网络表征学习将从先验和外部语义知识中获取的属性相似信息和属性共现关联融入属性对应的嵌入向量中；步骤S103，实体表征；步骤S104，欺诈预测。本发明增强了网络借贷申请事务中信息关联的密度，提高了网络借贷欺诈预测模型的检测能力，对保护用户和企业的资金安全有更好的保障。
-
公开(公告)号：CN113887577A
公开(公告)日：2022-01-04
申请号：CN202111072230.5
申请日：2021-09-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于微观事件图谱的细粒度电信网络反欺诈检测方法，该方法包括以下步骤：获取待检测事件对应的电信网络数据，构造对应的微观事件图谱；将微观事件图谱中的节点转化为初始的嵌入向量；以所述嵌入向量作为反欺诈检测模型的输入，所述反欺诈检测模型基于图神经网络构建，基于所述嵌入向量采用基于注意力机制的隐藏层获得隐层表征，并利用时序自注意力机制隐藏层基于所述隐层表征更新获得事件表征；将所述隐层表征和事件表征进行点积，对所得点积进行sigmoid变换，与设定阈值进行比较，得到欺诈标签。与现有技术相比，本发明具有拦截欺诈行为准确性高、模型鲁棒性佳等优点。
-
公开(公告)号：CN113887576A
公开(公告)日：2022-01-04
申请号：CN202111072086.5
申请日：2021-09-14
Applicant: 同济大学
IPC: G06K9/62 , G06F16/215 , G06F16/36 , G06F16/387 , G06N3/04
Abstract: 本发明涉及一种基于设备行为识别图的工业设备异常行为检测方法，包括以下步骤：构建当前时刻的设备行为识别图，该设备行为识别图中节点为行为事件的属性，边为任意两个属性间的共现关系，每个边具有一权重；引入初始权重机制、权重平滑机制、时间影响机制和周期影响机制，对所述设备行为识别图的进行权重变换；通过一事件表征提取器捕获进行权重变换后的所述设备行为识别图的设备行为事件表征；将所述设备行为事件表征作为一经训练的多层感知机的输入，得到当前工业设备存在异常行为的概率。与现有技术相比，本发明具有提高拦截异常行为的准确性和模型的鲁棒性等优点。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN113887576B
公开(公告)日：2025-04-29
申请号：CN202111072086.5
申请日：2021-09-14
Applicant: 同济大学
IPC: G06F18/2415 , G06F18/214 , G06F16/215 , G06F16/36 , G06F16/387 , G06N3/0499 , G06N3/042 , G06N3/045
Abstract: 本发明涉及一种基于设备行为识别图的工业设备异常行为检测方法，包括以下步骤：构建当前时刻的设备行为识别图，该设备行为识别图中节点为行为事件的属性，边为任意两个属性间的共现关系，每个边具有一权重；引入初始权重机制、权重平滑机制、时间影响机制和周期影响机制，对所述设备行为识别图的进行权重变换；通过一事件表征提取器捕获进行权重变换后的所述设备行为识别图的设备行为事件表征；将所述设备行为事件表征作为一经训练的多层感知机的输入，得到当前工业设备存在异常行为的概率。与现有技术相比，本发明具有提高拦截异常行为的准确性和模型的鲁棒性等优点。
-
公开(公告)号：CN119065852A
公开(公告)日：2024-12-03
申请号：CN202411236873.2
申请日：2024-09-04
Applicant: 同济大学
Abstract: 本发明涉及边缘计算调度领域，特别是一种基于知识图谱的边缘计算调度系统。包括：边缘服务器算力资源表征模块、边缘服务器调度模块、边缘服务器可视化模块；其中：边缘服务器算力资源表征模块包括资源采集和资源建模功能。边缘服务器调度模块包含任务拆解、任务匹配、任务编排、节点管理功能，可将边缘服务器的算力资源和计算任务进行关联，并在知识图谱中匹配节点匹配和编排调度；边缘服务器可视化模块包括算力资源可视化和计算任务可视化两部分，用于展示边缘计算节点的特征属性和任务负载。本发明调度算法能够实时适应变化，提高了调度的效率和准确性。
-
公开(公告)号：CN111144117A
公开(公告)日：2020-05-12
申请号：CN201911367778.5
申请日：2019-12-26
Applicant: 同济大学
IPC: G06F40/295 , G06F16/36
Abstract: 本发明提供一种知识图谱中文地址消除歧义方法，包括步骤：S1：从数据集中分割出实体数据和中文地址数据；选取中文地址数据并创建地址树；S2：将中文地址数据分为多个层级；S3：分析层级对应的地址元素，将层级对应的地址元素的匹配模式设置为模糊匹配，将其余设置为精确匹配；S4：将待分析数据集中的中文地址数据按照地址元素的匹配模式与当前地址树进行匹配；S5：对中文地址数据进行编码，并根据编码值大小顺序创建新的地址树。S6：S4中匹配失败的地址元素存储于栈结构中，后续匹配成功时补充至地址树。本发明的一种知识图谱中文地址消除歧义方法，适用于创建知识图谱前对中文地址类型的数据进行处理，可挖掘更多实体间的关系。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.019 seconds)
