公开(公告)号：CN119005247A

公开(公告)日：2024-11-22

申请号：CN202411107625.8

申请日：2024-08-13

Applicant: 重庆交通大学

Inventor： 王桂平 ,  罗尤鑫 ,  谭庆有 ,  黄春淦 ,  周迎川 ,  郭奥

IPC: G06N3/042 ,  G06N3/084 ,  G06N3/0895 ,  G06Q30/018

Abstract: 本发明公开了一种基于图神经网络的欺诈检测方法，包括：将待检测的图数据输入训练好的欺诈检测模型中，输出每个节点的预测标签；训练步骤如下：通过自我区分来增强节点表示学习来生成高维嵌入表示；在节点检测模块中：对每个节点进行子图采样，得到对应的子图；为每个子图生成对应的预测标签值；通过包含该节点的所有子图的预测标签值计算该节点的预测标签值；通过节点的预测标签值计算该节点的预测标签；通过各个节点的预测标签值结合其真实标签计算训练损失并优化参数；重复训练迭代直至节点检测模块收敛或达到预设迭代轮次。本发明通过自监督学习的自我区分来增强节点表示学习，通过为节点生成子图来学习正常节点和欺诈节点之间的差异。

公开(公告)号：CN118968164A

公开(公告)日：2024-11-15

申请号：CN202411031665.9

申请日：2024-07-30

Applicant: 重庆交通大学

Inventor： 王桂平 ,  谭庆有 ,  罗尤鑫 ,  黄春淦 ,  周迎川 ,  郭奥

IPC: G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明公开了一种随机配置网络下利用图数据增强效果的图异常检测方法，包括：将待检测的图数据输入训练好的异常检测模型中，输出对应的节点预测类型；训练步骤包括：通过随机配置网络对图数据样本进行随机节点嵌入和随机数据增强；通过图卷积网络进行图卷积处理，生成节点第一特征表示；通过图注意力网络捕捉节点之间的注意力关系，生成节点第二特征表示；融合节点第一和第二特征表示生成融合特征表示；通过分类器生成节点预测类型；计算损失并优化分类器的参数；重复迭代训练直至异常检测模型收敛或达到预设迭代轮次。本发明通过随机配置网络下图卷积网络和图注意力网络串行混合的异常检测模型来提高图数据节点异常检测的准确性。