申请/专利权人:浙江工业大学
申请日:2024-01-02
公开(公告)日:2024-04-09
公开(公告)号:CN117853134A
主分类号:G06Q30/018
分类号:G06Q30/018;G06N5/022;G06N3/042;G06N3/098;G06N3/084;G06N3/0499;G06N3/0455;G06F18/2415
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于全局图重构和图联邦学习的欺诈用户识别方法,应用于客户端,包括:客户端根据本地拥有的用户数据组成本地图数据;通过预先训练好的本地模型对本地图数据中的特征矩阵进行压缩得到节点表征矩阵,并上传至服务器;客户端接收服务器下发预先训练好的全局模型、全局子表征矩阵;使用全局模型替换本地模型,利用替换后的本地模型提取本地表征矩阵;将全局子表征矩阵与本地表征矩阵进行拼接,得到增强表征矩阵;将增强表征矩阵经全连接神经网络、SoftMax函数处理后得到欺诈用户识别概率;其中,全局子表征矩阵为全局表征矩阵的子矩阵,全局表征矩阵由服务器对每一客户端上传的节点表征矩阵进行拼接得到。
主权项:1.一种基于全局图重构和图联邦学习的欺诈用户识别方法,其特征在于,应用于客户端,所述方法包括:客户端根据本地拥有的用户数据组成本地图数据,所述本地图数据包括特征矩阵和用于表示用户关系的邻接矩阵;通过预先训练好的本地模型对本地图数据中的特征矩阵进行压缩得到节点表征矩阵,并上传至服务器;客户端接收服务器下发预先训练好的全局模型、全局子表征矩阵;使用全局模型替换本地模型,利用替换后的本地模型提取本地表征矩阵;将全局子表征矩阵与本地表征矩阵进行拼接,得到增强表征矩阵;将增强表征矩阵经全连接神经网络、SoftMax函数处理后得到欺诈用户识别概率;其中,全局子表征矩阵为全局表征矩阵的子矩阵,全局表征矩阵由服务器对每一客户端上传的节点表征矩阵进行拼接得到。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于全局图重构和图联邦学习的欺诈用户识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。