买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳鼎智通讯股份有限公司申请的专利一种基于AI识别的交易刷卡预警方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119398787B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411991623.X，技术领域涉及：G06Q20/40；该发明授权一种基于AI识别的交易刷卡预警方法及设备是由翁锋华;曾伟德;邹祥永设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于AI识别的交易刷卡预警方法及设备在说明书摘要公布了：本发明公开了一种基于AI识别的交易刷卡预警方法及设备，涉及金融支付技术领域，包括采集交易数据进行预处理，并根据预处理的数据进行特征提取生成特征集；利用生成的特征集训练XGBoost模型，并构建交易风险识别的初步分类模型后生成基础分类结果；将基础分类结果引入决策树模型对边缘样本进行进一步优化分类，将得到的优化分类结果与基础分类结果进行融合生成交易风险评分；本发明通过结合节点与超边的多维特征，全面捕捉交易数据中的高阶关系，并构建更加精确的特征进行表达，并且基于图卷积网络和动态因子调整机制，逐层优化节点特征传播路径，确保了模型对高维数据的鲁棒性和对复杂关联的解析能力，从而使得预警更加精准和高效。

本发明授权一种基于AI识别的交易刷卡预警方法及设备在权利要求书中公布了：1.一种基于AI识别的交易刷卡预警方法，其特征在于：包括， 采集交易数据进行预处理，并根据预处理的数据进行特征提取生成特征集； 所述采集交易数据进行预处理指通过专用API接口采集实时的交易数据和行为数据，并对采集的交易数据和行为数据进行缺失值填补，对填补后的交易数据和行为数据进行异常值检测， 使用归一化方法对检测后的交易数据和行为数据进行归一化操作， 所述根据预处理的数据进行特征提取形成特征集包括，基于归一化后的交易数据构建超图节点集合，并将每笔交易作为一个节点，将每个节点的特征用向量进行表示，并构建节点特征矩阵：，式中，X表示节点特征矩阵，表示第i个节点的特征向量，N表示节点总数， 从归一化后的行为数据中提取时间和地理距离信息，根据提取的时间和地理距离信息构建超边集合，并使用加权平均算法计算超边的特征向量：，式中，表示超边e的特征向量，表示与超边e相关联的节点数量，表示与超边e相关联的节点集合，表示节点i的特征向量， 基于超边特征向量结合节点特征向量进行特征相似性计算，利用加权聚合方法计算出节点与超边之间的关联强度，并构建节点与超边的关联矩阵：，，，式中，表示节点和超边的特征相似性，和分别表示节点和超边的特征向量，表示节点特征向量和超边特征向量的欧氏距离，表示标准化参数，表示节点与超边的关联强度，m表示参与计算的超边总数，A表示节点与超边的关联矩阵，N表示节点总数，K表示超边总数，使用时间序列分析提取节点i和节点j的交易时间戳，并根据交易时间戳计算时间间隔， 通过使用指数衰减函数对时间间隔进行加权，得到时间相似性， 通过提取节点特征和，使用余弦相似度计算节点之间的语义相似性， 使用邻接矩阵生成法将时间相似性和语义相似性分别生成为时间相似性矩阵和语义相似性矩阵， 通过使用归一化方法将节点与超边的关联矩阵、时间相似性矩阵和语义相似性矩阵进行归一化操作， 利用加权平均法将归一化后的矩阵进行融合，得到融合关联矩阵， 将节点特征矩阵X作为输入，并通过第一层图卷积的迭代计算，得到第l层的节点特征矩阵， 使用对称规范化方法对融合关联矩阵进行规范化，并结合节点特征矩阵后使用标准图卷积公式，计算下一层节点特征矩阵：式中，表示度矩阵，表示将列向量转化为对角矩阵，A表示节点与超边的关联矩阵，表示全1列向量，表示融合关联矩阵，C表示规范关联矩阵，表示度矩阵的逆平方根矩阵，表示第l+1层的节点特征矩阵，表示ReLU激活函数， 基于下一层节点特征矩阵，引入时间和空间动态因子对节点特征的传播进行调整：，，，式中，时间动态因子，空间动态因子，表示时间步t的时间调整参数，t表示时间步，表示第l层的空间调整参数，l表示图卷积层数，表示下一层节点特征矩阵，表示第l层的节点特征矩阵，表示第l层的权重矩阵，表示节点i的邻居节点集合，表示邻居节点j在第l层的特征向量， 通过使用自适应调整机制，对传播后的下一层节点特征矩阵进行加权融合，并利用特征拼接操作方法将所有节点特征进行拼接，形成初步特征集：，式中，表示初步特征集，表示拼接操作，表示动态调整后的节点特征， 基于初步特征集，计算节点之间的交互强度，得到交互特征矩阵：，式中，Q表示交互特征矩阵，G表示初步特征集，表示特征集的转置矩阵， 通过使用非线性融合方法将初步特征集和交互特征矩阵进行融合，得到最终特征矩阵，并使用特征归一化方法对最终特征矩阵进行归一化操作，得到归一化特征矩阵后形成特征集； 利用生成的特征集训练XGBoost模型，并构建交易风险识别的初步分类模型后生成基础分类结果； 将基础分类结果引入决策树模型对边缘样本进行进一步优化分类，将得到的优化分类结果与基础分类结果进行融合生成交易风险评分； 基于交易风险评分进行实时预警，并对数据进行存储和可视化展示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳鼎智通讯股份有限公司，其通讯地址为：518000 广东省深圳市福田区沙头街道天安社区泰然九路盛唐商务大厦东座501；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。