【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体是一种基于图神经网络的金融欺诈检测方法。
技术介绍
1、近年来，随着互联网和在线支付平台的快速发展，金融欺诈活动的规模、频率和复杂程度显著增加，日益增长的金融欺诈威胁引起了学术界和工业界对准确、高效的欺诈检测技术研究的关注。由于欺诈活动高频度、大规模的特点，传统的基于规则和基于传统机器学习的欺诈检测系统已难以满足当下金融欺诈检测任务的需要。图神经网络作为新兴深度学习技术的一种，通过将金融数据构建为图结构数据并提取嵌入，能够有效建模金融数据中普遍存在的实体间关联信息，挖掘深层次的欺诈活动模式，从而提升欺诈检测精度。
2、在现有的基于图神经网络的金融欺诈检测系统中，尚存在两大挑战：1)如何捕捉欺诈者的上下文相关行为：欺诈者相比于正常用户，存在建立连接少、建立连接时间间隔短的特点，在图结构数据中表现为欺诈者节点出度偏小、出边间的时间间隔短，如何捕捉这一欺诈者行为是第一大挑战；2)如何识别欺诈者的伪装相关行为：欺诈者为了逃避检测，会主动与众多正常用户建立联系，在图结构数据中表现为欺诈者节点的邻居节点大...
【技术保护点】
1.一种基于图神经网络的金融欺诈检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，所述金融欺诈检测系统模型输入为图结构的金融数据G＝{V,E,X,Y}；V为节点集，E为边集，X为节点特征矩阵，Y为节点标签集；节点表示金融用户；边表示用户间的交互，每条边标注有时间t，表示该交互发生的时间。
3.根据权利要求1所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，所述金融欺诈检测系统模型包括自适应图学习模块、上下文编码模块。
4.根据权利要求3所述的一种基于图神经网络的金融...
【技术特征摘要】
1.一种基于图神经网络的金融欺诈检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，所述金融欺诈检测系统模型输入为图结构的金融数据g＝{v,e,x,y}；v为节点集，e为边集，x为节点特征矩阵，y为节点标签集；节点表示金融用户；边表示用户间的交互，每条边标注有时间t，表示该交互发生的时间。
3.根据权利要求1所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，所述金融欺诈检测系统模型包括自适应图学习模块、上下文编码模块。
4.根据权利要求3所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，确定用户为欺诈者的概率的步骤包括：
5.根据权利要求4所述的一种基于图神经网络的金融欺诈检测方法，其特征在于，自适应图学习模块对金融数据进行处理和融合的步骤包括：
6....
【专利技术属性】
技术研发人员：王悦阳，楼朝立，李嘉宁，钱越如，李秀华，高旻，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
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。