一种基于图神经网络的金融交易欺诈识别方法及系统技术方案

本发明专利技术公开了一种基于图神经网络的金融交易欺诈识别方法及系统，包括如下步骤：S1、采集金融交易数据，并进行预处理；S2、构建异构图结构，所述异构图结构包括账户节点、设备节点和位置节点，形成异构交易图；S3、对异构交易图中每条边嵌入路径级上下文信息，并引入节点类型与边类型联合位置索引，形成多跳边编码矩阵；S4、构建图神经网络模型，并输出节点表示向量；S5、采用残差融合策略，将相邻层节点表示进行融合，并构建跳连接结构，形成节点特征矩阵；S6、构建联合训练任务，采用多任务损失函数对图神经网络模型进行联合训练，并输出欺诈识别分类结果。本发明专利技术有效提升了交易欺诈检测的准确性与实时响应能力。

【技术实现步骤摘要】

本专利技术涉及金融科技领域，尤其涉及一种基于图神经网络的金融交易欺诈识别方法及系统。

技术介绍

1、在当前金融科技快速发展的背景下，金融交易数量呈现指数级增长，伴随而来的金融欺诈行为也愈加复杂与隐蔽，严重威胁金融机构的安全与用户的财产利益。尤其是在数字化支付、在线交易和跨境转账日益普及的环境中，传统依赖规则匹配、静态建模的欺诈识别手段已经无法适应动态、多样化的欺诈行为模式。现有的金融欺诈检测技术大多采用基于特征工程与传统机器学习模型的方式，侧重对交易数据的平面属性进行建模与分类，缺乏对账户间复杂交互关系的全面理解与深层语义分析，导致欺诈检测存在较高的漏报率和误报率，识别准确性难以满足实用需求。

2、具体而言，现有方法通常将交易数据扁平化处理为结构化表格，再使用随机森林、支持向量机、梯度提升决策树等分类器进行建模。这类方法在特征构建上依赖大量人工经验，难以覆盖金融网络中的隐性路径关系，且无法对跨账户、跨设备的欺诈组织结构进行有效捕捉。此外，传统模型无法对数据之间的非欧几里得关系建模，尤其是在多跳传递与群体协同行为识别方面表现出显著不足。而在深度学本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的金融交易欺诈识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于图神经网络的金融交易欺诈识别方法，其特征在于，所述金融交易数据包括账户标识、交易时间、交易金额、交易对象、交易设备标识及登录地理位置，所述预处理包括数据去重、缺失值填补、异常值剔除和数据标准化。

3.根据权利要求1所述的一种基于图神经网络的金融交易欺诈识别方法，其特征在于，所述类型注意力单元根据节点类型与边类型计算多头注意力系数，所述路径聚合单元根据多跳边编码矩阵执行加权聚合操作，所述跨域对齐单元基于边嵌入与节点嵌入执行余弦相似性匹配。p>

4.根据权...

【技术特征摘要】

1.一种基于图神经网络的金融交易欺诈识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于图神经网络的金融交易欺诈识别方法，其特征在于，所述金融交易数据包括账户标识、交易时间、交易金额、交易对象、交易设备标识及登录地理位置，所述预处理包括数据去重、缺失值填补、异常值剔除和数据标准化。

3.根据权利要求1所述的一种基于图神经网络的金融交易欺诈识别方法，其特征在于，所述类型注意力单元根据节点类型与边类型计算多头注意力系数，所述路径聚合单元根据多跳边编码矩阵执行加权聚合操作，所述跨域对齐单元基于边嵌入与节点嵌入执行余弦相似性匹配。

4.根据权利要求1所述的一种基于图神经网络的金融交易欺诈识别方法，其特征在于，所述联合训练任务包括节点的二分类欺诈判别任务及交易行为边、设备绑定边...

【专利技术属性】
技术研发人员：郭芳瑞，
申请(专利权)人：上海瑞昱云科技有限公司，
类型：发明
国别省市：