【技术实现步骤摘要】
本专利技术涉及信用卡异常交易检测，尤其涉及一种基于持续学习与双自编码器架构的异常交易检测方法。
技术介绍
1、随着电子商务和在线支付领域的快速扩张，信用卡交易量呈现出了指数级增长的趋势。这一趋势在数字化时代愈发显著，而随之而来的是对信用卡欺诈行为的更为频繁和复杂的威胁。金融交易欺诈的一般化检测流程如图1所示，包括以下步骤：用户产生金融交易；金融机构接收交易信息；金融机构构建检测模型；判断交易是否正常；若正常，正常交易，不作处理；若不正常，对交易进行预警，由人工处理。基于检测模型建立强大而智能的金融交易异常检测系统至关重要，它能及时发现并分析异常交易，有效预防资金损失，维护社会的安定与秩序。
2、基于自编码器模型的异常交易检测系统如图2所示，系统保存了大量历史数据并定期重新训练自编码器模型，随着时间推移，历史数据的积累会导致存储需求不断增加，并且重新训练模型需要耗费大量的计算资源和时间。其次，由于历史数据可能无法完全反映当前的交易情况，定期重新训练模型可能无法及时捕捉到最新的欺诈模式，影响到异常检测系统的准确性和时效性。此外，...
【技术保护点】
1.一种基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，所述第一自编码器、第二自编器的网络架构为全连接神经网络、循环神经网络、长短时记忆网络、Transformer模型中任意一种。
3.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，第一三支决策阈值对的确定包括以下子步骤：
4.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，基于当前任务的训练数据集，增量更新...
【技术特征摘要】
1.一种基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，所述第一自编码器、第二自编器的网络架构为全连接神经网络、循环神经网络、长短时记忆网络、transformer模型中任意一种。
3.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，第一三支决策阈值对的确定包括以下子步骤：
4.根据权利要求1所述的基于持续学习与双自编码器架构的异常交易检测方法，其特征在于，基于当前任务的训练数据集，增量更新异常检测模型，包括以下子步骤：
【专利技术属性】
技术研发人员：杨新，吴美君，魏兵军，喻皓，潘超凡，寇纲，
申请(专利权)人：西南财经大学，
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。