一种基于联合学习的信用卡欺诈检测模型更新方法及装置制造方法及图纸

本发明专利技术涉及信用卡领域，具体涉及一种基于联合学习的信用卡欺诈检测模型更新方法及装置，该方法及装置先使用卷积神经网络构建欺诈检测模型，将本地信用卡交易数据集输入至本地的欺诈检测模型，计算出各自的模型更新参数，对多个模型更新参数进行参数融合计算，得到新的模型参数，使用新的模型参数对多个本地的欺诈检测模型进行参数更新，通过不同的客户端共享模型参数的形式借助其他客户端的数据信息训练更新自己的欺诈检测模型。在保护各客户端数据隐私不受侵犯的前提下提高模型效率。

An update method and device of credit card fraud detection model based on joint learning

【技术实现步骤摘要】
一种基于联合学习的信用卡欺诈检测模型更新方法及装置
本专利技术涉及信用卡领域，具体而言，涉及一种基于联合学习的信用卡欺诈检测模型更新方法及装置。
技术介绍
随着近几十年经济全球化的迅速发展，信用卡在商业交易中越来越流行。相应地信用卡欺诈问题也随之涌现，检测信用卡欺诈交易成为了银行业面临的挑战之一。互联网技术的普及，传统金融领域迎来了创新，信用卡欺诈检测系统是互联网金融科技的一个重要研究领域，信用卡欺诈检测系统利用用户的用户信息和信用卡交易事务数据，通过其核心算法，为银行和金融平台计算出每一位用户的风险值，预测用户是否为欺诈用户，从而帮助银行或金融公司降低风险，提高利润，系统最核心的算法分为两类：1.基于规则的传统信用卡欺诈识别方法，作为传统金融信贷诈骗识别方法的代表，基于规则的欺诈检测模型是目前应用的最广泛的模型。该方法通过该领域内的专家按照当前的业务制定一系列的规则，生成规则列表。当需要对用户进行信用风险评估时，按照生成的规则列表进行匹配，最后根据规则的匹配情况来最终确定该用户的诈骗风险评级。2.基于机器学习的模型，随着机器学本文档来自技高网...

【技术保护点】
1.一种基于联合学习的信用卡欺诈检测模型更新方法，其特征在于，包括以下步骤：/nS101:多个客户端使用卷积神经网络构建欺诈检测模型；/nS102:多个客户端将本地信用卡交易数据集输入至本地的欺诈检测模型，计算出各自的模型更新参数；/nS103:对多个客户端各自的模型更新参数进行参数融合计算，得到新的模型参数；/nS104:使用新的模型参数对多个本地的欺诈检测模型进行参数更新。/n

【技术特征摘要】
1.一种基于联合学习的信用卡欺诈检测模型更新方法，其特征在于，包括以下步骤：
S101:多个客户端使用卷积神经网络构建欺诈检测模型；
S102:多个客户端将本地信用卡交易数据集输入至本地的欺诈检测模型，计算出各自的模型更新参数；
S103:对多个客户端各自的模型更新参数进行参数融合计算，得到新的模型参数；
S104:使用新的模型参数对多个本地的欺诈检测模型进行参数更新。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
S105:通过迭代方式使用新的模型参数对多个本地的欺诈检测模型进行参数迭代更新。


3.根据权利要求1所述的方法，其特征在于，所述步骤S102及S103包括：
卷积神经网络中目标函数为：



其中fi(w)是在数据集中样本(xi,yi)模型参数为w的情况下的预测损失，n为所有样本总量；假设每个客户端所包含的样本量为nk，那么总的损失函数为：

其中
对于固定的学习率η，每个客户端在第t轮的模型参数wt下计算平均梯度gk，集合这些损失，更新自己的参数wt+1：









对于所有的客户端k，从N个客户端随机挑选K个客户端将自己第t轮对模型的更新参数与其它被选中的客户端的模型更新的参数融合，产生第t+1轮新的模型参数Wt+1：





4.根据权利要求1所述的方法，其特征在于，所述欺诈检测模型构造为：输入层、卷积层、全连接层、输出层；其中：
第一层为输入层由从数据中提取的原始特征组成；各卷积层用来计算数据的抽象特性；全连接层对数据的抽象特性进行整合，然后进行归一化，对各...

【专利技术属性】
技术研发人员：阳文斯，张昱航，栗力，须成忠，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44