公开(公告)号：CN111428853B

公开(公告)日：2023-07-11

申请号：CN202010045213.1

申请日：2020-01-16

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  杨丽俊

IPC: G06N3/094 ,  G06N3/0475 ,  G06N3/0455 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。

公开(公告)号：CN110414780B

公开(公告)日：2023-06-23

申请号：CN201910525239.3

申请日：2019-06-18

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  杨丽俊

IPC: G06Q10/0635 ,  G06Q40/03 ,  G06Q40/04 ,  G06F16/215 ,  G06F16/2458

Abstract: 本发明涉及一种基于长短期记忆网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地自然解决样本不均衡问题。从实用性角度出发，通过长短期记忆网络处理交易的时间序列特征，添加基于Wasserstein距离和特征惩罚的约束优化目标函数，有效地预防模式坍塌问题；从数据的相关性角度横向验证生成数据的可靠性，从数据分布的角度纵向验证生成数据的分布，建议了基于LSTM‑GAN的负样本交易生成框架，为解决欺诈交易检测中负样本不足提供了技术支持。

公开(公告)号：CN111428853A

公开(公告)日：2020-07-17

申请号：CN202010045213.1

申请日：2020-01-16

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  杨丽俊

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。

公开(公告)号：CN110414780A

公开(公告)日：2019-11-05

申请号：CN201910525239.3

申请日：2019-06-18

Applicant: 东华大学

Inventor： 章昭辉 ,  蒋昌俊 ,  王鹏伟 ,  杨丽俊

IPC: G06Q10/06 ,  G06Q40/02 ,  G06Q40/04 ,  G06F16/215 ,  G06F16/2458

Abstract: 本发明涉及一种基于长短期记忆网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地自然解决样本不均衡问题。从实用性角度出发，通过长短期记忆网络处理交易的时间序列特征，添加基于Wasserstein距离和特征惩罚的约束优化目标函数，有效地预防模式坍塌问题；从数据的相关性角度横向验证生成数据的可靠性，从数据分布的角度纵向验证生成数据的分布，建议了基于LSTM-GAN的负样本交易生成框架，为解决欺诈交易检测中负样本不足提供了技术支持。