公开(公告)号：CN118967138B

公开(公告)日：2025-01-24

申请号：CN202411449124.8

申请日：2024-10-17

Applicant: 西南财经大学

Inventor： 杨新 ,  吴美君 ,  魏兵军 ,  喻皓 ,  潘超凡 ,  寇纲

IPC: G06Q20/40 ,  G06F18/214 ,  G06F18/2433 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于持续学习与双自编码器架构的异常交易检测方法，属于信用卡异常交易检测领域，方法包括：根据信用卡样本与异常信用卡样本的相似度，结合预设的一三支决策阈值对，将待选择的信用卡样本划分至正域、负域或边界域，以构建训练数据集；增量更新自编码器架构的异常检测模型；执行信用卡异常检测任务，多次预测不确定性信用卡样本，输出检测结果。本发明对信用卡样本和异常信用卡相似度进行评估，结合三支决策筛选信用卡样本选，选择与异常信用卡样本相似度较低的部分作为本轮的训练信用卡样本数据集，减少与异常信用卡样本相似度高的信用卡样本对异常检测模型训练的干扰，从而提高异常检测模型的准确性、鲁棒性和泛化能力。

公开(公告)号：CN118967138A

公开(公告)日：2024-11-15

申请号：CN202411449124.8

申请日：2024-10-17

Applicant: 西南财经大学

Inventor： 杨新 ,  吴美君 ,  魏兵军 ,  喻皓 ,  潘超凡 ,  寇纲

IPC: G06Q20/40 ,  G06F18/214 ,  G06F18/2433 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于持续学习与双自编码器架构的异常交易检测方法，属于信用卡异常交易检测领域，方法包括：根据信用卡样本与异常信用卡样本的相似度，结合预设的一三支决策阈值对，将待选择的信用卡样本划分至正域、负域或边界域，以构建训练数据集；增量更新自编码器架构的异常检测模型；执行信用卡异常检测任务，多次预测不确定性信用卡样本，输出检测结果。本发明对信用卡样本和异常信用卡相似度进行评估，结合三支决策筛选信用卡样本选，选择与异常信用卡样本相似度较低的部分作为本轮的训练信用卡样本数据集，减少与异常信用卡样本相似度高的信用卡样本对异常检测模型训练的干扰，从而提高异常检测模型的准确性、鲁棒性和泛化能力。