-
公开(公告)号：CN108960304B
公开(公告)日：2022-07-15
申请号：CN201810640209.2
申请日：2018-06-20
Applicant: 东华大学
IPC: G06V10/764 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种网络交易欺诈行为的深度学习检测方法，其特征在于，步骤包括：第一步、利用历史交易特征数据对模型进行训练；第二步、将实时交易特征数据输入训练好的模型，判断当前交易是否为欺诈交易。本发明：(1)发明了适用于网络交易欺诈的基于特征重排的深度学习检测系统；(2)发明了特征排列构造层及排列方法。特征排列层可增加在每组卷积层与池化层之前。(3)发明了环式卷积方法，对于一条交易数据来说，通过环式结构的卷积，使得卷积后的信息不失真。
-
公开(公告)号：CN109034194B
公开(公告)日：2022-03-04
申请号：CN201810641664.4
申请日：2018-06-20
Applicant: 东华大学
Abstract: 本发明涉及一种基于特征分化的交易欺诈行为深度检测方法，其特征在于，提出了基于交易时间的分化特征生成方法和带有离群样本检测的欺诈交易检测方法。本发明提出的网络交易欺诈检测方法，可以有效检测网络交易中的欺诈行为，本发明提供的方法从实用性角度出发，通过分化特征生成方法和带有离群样本检测的欺诈交易检测方法，建立了网络交易欺诈检测系统，为解决欺诈交易检测提供了技术支持。
-
公开(公告)号：CN109359095A
公开(公告)日：2019-02-19
申请号：CN201811054777.0
申请日：2018-09-11
Applicant: 东华大学
IPC: G06F16/172 , G06F16/13
Abstract: 本发明涉及一种大数据快速读取的DLK方法，其特征在于，缓存空间内存储的缓存基本单位为 ，将缓存空间划分为数据区及列表区，数据区用于存储Data，列表区用于存储Timestamp及K。本发明提出的分布式存储模式的面向记录的缓存方法，可以有效的提升分布式存储模式中的面向记录的检索效率，该方法优化了面向记录的检索速率，使用双队列的结构缓存高频和低频的缓存数据提升了缓存的命中率。在缓存空间中，划分了数据区和列表区，进一步优化了缓存的查询和异步执行效率。从优化算法提高命中率和优化数据存储结构提升执行效率两个方面提升了分布式存储模式的检索性能。
-
Patent Agency Ranking
公开(公告)号：CN110069500A
公开(公告)日：2019-07-30
申请号：CN201910327502.8
申请日：2019-04-23
Applicant: 东华大学
IPC: G06F16/22 , G06F16/245 , G06F16/2458
Abstract: 本发明一种非关系型数据库动态混合索引方法，其特征在于，包括以下步骤：建立键值对非关系型数据库的非主键索引结构；定义非主键字段的权重，通过一个周期内字段作为查询条件的频次以及字段的历史权重，更新非主键字段的权重值；动态划分索引类型；进行混合索引。本发明提出的键值对非关系型数据库的混合索引方法，可以有效的提升非主键字段的条件查询效率。该方法克服了键值对非关系型数据不支持非主键字段不支持索引查询的弱点，建立了非主键字段的混合索引。在大数据的存储上，即实现了快速查询的功能，又节省了不必要的存储开销。
-
公开(公告)号：CN109034194A
公开(公告)日：2018-12-18
申请号：CN201810641664.4
申请日：2018-06-20
Applicant: 东华大学
CPC classification number: G06Q20/4016 , G06K9/6223 , G06K9/6256 , G06K9/6267
Abstract: 本发明涉及一种基于特征分化的交易欺诈行为深度检测方法，其特征在于，提出了基于交易时间的分化特征生成方法和带有离群样本检测的欺诈交易检测方法。本发明提出的网络交易欺诈检测方法，可以有效检测网络交易中的欺诈行为，本发明提供的方法从实用性角度出发，通过分化特征生成方法和带有离群样本检测的欺诈交易检测方法，建立了网络交易欺诈检测系统，为解决欺诈交易检测提供了技术支持。
-
公开(公告)号：CN109359095B
公开(公告)日：2021-07-16
申请号：CN201811054777.0
申请日：2018-09-11
Applicant: 东华大学
IPC: G06F16/172 , G06F16/13
Abstract: 本发明涉及一种大数据快速读取的DLK方法，其特征在于，缓存空间内存储的缓存基本单位为 ，将缓存空间划分为数据区及列表区，数据区用于存储Data，列表区用于存储Timestamp及K。本发明提出的分布式存储模式的面向记录的缓存方法，可以有效的提升分布式存储模式中的面向记录的检索效率，该方法优化了面向记录的检索速率，使用双队列的结构缓存高频和低频的缓存数据提升了缓存的命中率。在缓存空间中，划分了数据区和列表区，进一步优化了缓存的查询和异步执行效率。从优化算法提高命中率和优化数据存储结构提升执行效率两个方面提升了分布式存储模式的检索性能。
-
公开(公告)号：CN108960304A
公开(公告)日：2018-12-07
申请号：CN201810640209.2
申请日：2018-06-20
Applicant: 东华大学
CPC classification number: G06K9/6267 , G06N3/0454
Abstract: 本发明涉及一种网络交易欺诈行为的深度学习检测方法，其特征在于，步骤包括：第一步、利用历史交易特征数据对模型进行训练；第二步、将实时交易特征数据输入训练好的模型，判断当前交易是否为欺诈交易。本发明：(1)发明了适用于网络交易欺诈的基于特征重排的深度学习检测系统；(2)发明了特征排列构造层及排列方法。特征排列层可增加在每组卷积层与池化层之前。(3)发明了环式卷积方法，对于一条交易数据来说，通过环式结构的卷积，使得卷积后的信息不失真。
-
公开(公告)号：CN110069500B
公开(公告)日：2022-08-26
申请号：CN201910327502.8
申请日：2019-04-23
Applicant: 东华大学
IPC: G06F16/22 , G06F16/245 , G06F16/2458
Abstract: 本发明一种非关系型数据库动态混合索引方法，其特征在于，包括以下步骤：建立键值对非关系型数据库的非主键索引结构；定义非主键字段的权重，通过一个周期内字段作为查询条件的频次以及字段的历史权重，更新非主键字段的权重值；动态划分索引类型；进行混合索引。本发明提出的键值对非关系型数据库的混合索引方法，可以有效的提升非主键字段的条件查询效率。该方法克服了键值对非关系型数据不支持非主键字段不支持索引查询的弱点，建立了非主键字段的混合索引。在大数据的存储上，即实现了快速查询的功能，又节省了不必要的存储开销。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
