公开(公告)号：CN118734213A

公开(公告)日：2024-10-01

申请号：CN202410729185.3

申请日：2024-06-06

Applicant: 上海浦东发展银行股份有限公司 ,  哈尔滨工业大学

Inventor： 何慧 ,  赵静 ,  杨洪伟 ,  董恒基 ,  彭杰 ,  周骏 ,  冯云青 ,  张博雅

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/042 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明提出一种隐私保护的图联邦节点异常检测方法，属于联邦学习技术领域。包括：S1.构建图节点异常检测模型，通过最小化损失函数得到客户端本地模型参数和累积梯度信息；S2.模型输出各节点的异常分数，客户端对模型使用分层相关性传播算法，得到各神经元的相关性权重，获得隐私保护梯度信息，将信息发送到云服务器；S3.云服务器聚合运算，使用聚合后信息对全局模型更新；将全局模型参数广播下发至客户端；S4.迭代执行S1至S3直到达到预设的模型聚合次数后停止执行，完成隐私保护的图联邦节点异常模型的训练。解决图联邦节点异常检测方法不能有效且严格地保护参与方的图数据隐私性和参数噪音加强所带来的精度损失的问题。

公开(公告)号：CN118734212A

公开(公告)日：2024-10-01

申请号：CN202410729183.4

申请日：2024-06-06

Applicant: 上海浦东发展银行股份有限公司 ,  哈尔滨工业大学

Inventor： 何慧 ,  赵静 ,  杨洪伟 ,  董恒基 ,  彭杰 ,  周骏 ,  冯云青 ,  刘瑞

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0895

Abstract: 本发明提出一种基于多视图对比学习的半监督图异常检测方法，属于图节点异常检测技术领域。包括：S1.基于节点特征和属性图的边进行采样，生成图节点属性与网络结构的增强图；S2.将图节点属性和网络结构编码为节点嵌入表示；S3.基于节点嵌入表示构建多视图图对比模块，挖掘异常信息；S4.构建图节点异常检测模型，利用图异常训练数据集训练图节点异常检测模型。解决缺少使用极少标签获得较高的检测结果的问题，本发明结合多视角对比，即样本‑样本、样本‑实例和正常‑异常对比，以捕获属性图区分正常节点和异常节点的信息，实现利用少量标记数据来增强大量未标记数据嵌入表示，提高正常节点和异常节点的区分度，提升图异常检测性能。