【技术实现步骤摘要】
训练神经网络的方法、行为检测方法及行为检测装置
本公开涉及人工智能
，更具体地，涉及一种训练神经网络的方法、行为检测方法及行为检测装置。
技术介绍
伴随“互联网+”浪潮的兴起，运用互联网升级传统产业进行工业赋能和智能升级是大势所趋，越来越多的银行金融、电商物流等传统商业交易转移到线上。同时这些便捷的支付交易技术也带来交易欺诈和资金盗取的风险。因此，需要对异常交易进行检测识别，降低用户资金被盗风险，保障用户和机构的交易安全。在实现本公开构思的过程中，申请人发现相关技术中至少存在如下问题，现有的异常交易检测方法，不易实现计算出各用户的个性化定制交易阈值，使得异常交易检测的准确率无法满足用户需求。
技术实现思路
有鉴于此，本公开提供了一种训练神经网络的方法、行为检测方法及行为检测装置，以至少部分解决现有技术不易实现计算出各用户的个性化定制交易阈值，使得异常交易检测的准确率无法满足用户需求的问题。本公开的一个方面提供了训练神经网络的方法，包括：输入层，用于将资源转移训练数据传输给隐含层；隐含...
【技术保护点】
1.一种用于训练神经网络的方法，所述神经网络包括：/n输入层，用于将资源转移训练数据传输给隐含层；/n隐含层，用于将所述资源转移训练数据从低维空间映射到高维空间的至少一个指定维度上，得到针对所述至少一个指定维度的输出结果；以及/n输出层，用于输出所述针对所述至少一个指定维度的输出结果，以便基于所述针对所述至少一个指定维度的输出结果确定用户资源转移行为画像和资源转移异常检测模型；/n所述方法包括：/n利用所述神经网络处理所述资源转移训练数据；以及/n基于梯度下降法至少调整所述隐含层的网络参数取值，使得所述神经网络的聚类中心趋近于通过聚类算法得到的聚类中心，得到第一网络参数取值。/n
【技术特征摘要】
1.一种用于训练神经网络的方法，所述神经网络包括：
输入层，用于将资源转移训练数据传输给隐含层；
隐含层，用于将所述资源转移训练数据从低维空间映射到高维空间的至少一个指定维度上，得到针对所述至少一个指定维度的输出结果；以及
输出层，用于输出所述针对所述至少一个指定维度的输出结果，以便基于所述针对所述至少一个指定维度的输出结果确定用户资源转移行为画像和资源转移异常检测模型；
所述方法包括：
利用所述神经网络处理所述资源转移训练数据；以及
基于梯度下降法至少调整所述隐含层的网络参数取值，使得所述神经网络的聚类中心趋近于通过聚类算法得到的聚类中心，得到第一网络参数取值。
2.根据权利要求1所述的方法，其中，所述基于梯度下降法至少调整所述隐含层的网络参数取值，使得所述神经网络的聚类中心趋近于通过聚类算法得到的聚类中心，得到第一网络参数取值包括：
通过梯度下降使得所述隐含层的网络参数取值沿着目标函数的梯度下降方向进行校正，以最小化误差函数，得到初始网络参数取值；以及
基于聚类算法优化所述初始网络参数取值，得到所述第一网络参数取值。
3.根据权利要求2所述的方法，其中，所述基于聚类算法优化所述初始网络参数取值，得到所述第一网络参数取值包括：
初始化蚁群的位置和信息素，其中，所述蚁群的位置表征网络的聚类中心；
重复以下操作直至迭代次数达到迭代要求或聚类结果满足精度要求：
利用邻近传播聚类算法计算针对所述聚类中心的蚁群相似度矩阵、归置度矩阵和吸引度矩阵；
根据所述相似度矩阵确定偏置参数，并且更新所述吸引度矩阵；
根据所述吸引度矩阵更新所述归置度矩阵，得到聚类结果；以及
以所述蚁群的位置作为监督信息，训练所述神经网络，以更新所述初始网络参数取值，得到所述第一网络参数取值。
4.根据权利要求3所述的方法，还包括：
在寻找蚁群最优解的过程中引入高斯变异因子，以提升所述网络收敛的速度。
5.根据权利要求4所述的方法，其中，所述在寻找蚁群最优解的过程中引入高斯变异因子，以提升所述网络收敛的速度包括：
在寻找蚁群最优解的过程中引入高斯变异因子，以得到蚁群个体信息素浓度、变异概率、最大信息素和平均信息素；
采用蚁群个体信息素的正态分布均值和加权极值，将最小信息素值作为高斯加权中心值，计算所述蚁群的高斯加权全局最优因子，其中，所述信息素浓度的均值和方差作为高斯变异加权的对应值；以及
将至少部分蚂蚁个体信息素最优和对高斯加权全局最优因子进行加权平均得出的值，作为所述蚁群的全局最优信息素解。
6.根据权利要求1所述的方法，还包括：在所述得到第一网络参数取值之后，
利用所述神经网络处理所述资源转移测试数据训练，以微调所述第一网络参数取值，得到第二网络参数。
7.根据权利要求6所述的方法，其中，所述利用所述神经网络处理所述资源转移测试数据训练，以微调网络参数取值包括：
重复以下操作直至达到蚁群的迭代结束条件：
确定与所述资源转移训练数据对应的信息素最优解、适应值对应的蚁群状态；以及
基于所述资源转移测试数据计算高斯加权得出蚁群全局最优信息素和路径解，并且根据个体信息素更新迭代蚁群状态的信息素浓度和蚁群位置，以便将更新后的蚁群位置作为模型训练的监督信息。
8.根据权利要求1所述的方法，还包括：
对所述资源转移训练数据进行规范化处理得到规范化的资源转移训练数据；以及
所述输入层具体用于将规范化的资源转移训练数据传输给隐含层。
9.根据权利要求8所述的方法，其中，所述对所述资源转移训练数据进行规范化处理得到规范化的资源转移训练数据包括：
对历史资源转移训练数据进行数据冗余清洗、资源转移缺失值补充和资源转移关联性融合中至少一种，得到规范化的资源转移训练数据。
10.根据权利要求9所述的方法，其中，所述进行数据冗余清洗包括：
对不同来源的资源转移数据进行小波变换，得到小波系数；
将得到的小波系数采用激活函数进行阈值处理；以及
将经过阈值处理后的小波系数进行逆小波变化得到去冗余的资源转移数据。
11.根据权利要求9所述的方法，其中，所述资源转移缺失值补充包括：
对于不完整资源转移样本，以欧氏距离为标准计算不完整资源转移样本到资源转移样本集中至少部分样本的距离，得到所述不完整资源转移样本的k近邻；
根据样本不平衡比例设置采样比例以确定采...
【专利技术属性】
技术研发人员：邓美林，杨洋，冯城城，傅媛媛，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。