公开(公告)号：CN116484272A

公开(公告)日：2023-07-25

申请号：CN202310329460.8

申请日：2023-03-30

Applicant: 西安交通大学

Inventor： 王晨旭 ,  王凯月

IPC: G06F18/241 ,  G06F18/40 ,  G06N3/09 ,  G06N3/04

Abstract: 本发明公开了一种基于图半监督表示学习的欺诈节点检测方法，包括以下步骤：根据欺诈实例的数据，获取待检测的恶意节点，确定待检测节点的特征向量；将待检测节点的特征向量输入微调后的基于自监督损失函数和有监督对比损失函数训练的图神经网络中，输出节点可疑性分数，完成恶意节点检测。基于真实数据Wikipedia edits、Bitcoin Alpha和Amazon上的实验结果表明，经过图对比学习和不平衡损失函数优化后的图神经网络输出的不同类节点表示有了较好区分度，且检测结果相较于以往基于图的欺诈检测效果有了较大提升。

公开(公告)号：CN116484272B

公开(公告)日：2025-04-11

申请号：CN202310329460.8

申请日：2023-03-30

Applicant: 西安交通大学

Inventor： 王晨旭 ,  王凯月

IPC: G06F18/241 ,  G06F18/40 ,  G06N3/09 ,  G06N3/04

Abstract: 本发明公开了一种基于图半监督表示学习的欺诈节点检测方法，包括以下步骤：根据欺诈实例的数据，获取待检测的恶意节点，确定待检测节点的特征向量；将待检测节点的特征向量输入微调后的基于自监督损失函数和有监督对比损失函数训练的图神经网络中，输出节点可疑性分数，完成恶意节点检测。基于真实数据Wikipedia edits、Bitcoin Alpha和Amazon上的实验结果表明，经过图对比学习和不平衡损失函数优化后的图神经网络输出的不同类节点表示有了较好区分度，且检测结果相较于以往基于图的欺诈检测效果有了较大提升。