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！

龙图腾网获悉湖南工商大学申请的专利一种基于自适应PID-注意力的元学习欺诈检测步长优化方法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：CN120579603B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511081042.7，技术领域涉及：G06N3/0985；该发明授权一种基于自适应PID-注意力的元学习欺诈检测步长优化方法是由徐雪松;李昊东;曾伟豪;易自牧;刘文倩设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种基于自适应PID-注意力的元学习欺诈检测步长优化方法在说明书摘要公布了：本申请涉及一种基于自适应PID‑注意力的元学习欺诈检测步长优化方法，该方法通过内循环基于PID控制参数调整动态学习率，外循环基于对应内循环更新的任务参数优化PID控制参数；后续基于任务参数初始化后的元学习框架对新型欺诈任务的动态学习率进行迭代优化，并在迭代过程中监控损失变化率和参数波动幅度，当两者同时满足条件时，停止优化，否则重置PID控制参数的积分项，并对PID控制参数的微分项进行平滑处理后，再迭代优化动态学习率；最后，基于新型欺诈任务与其相似度最高的元任务的检测结果，计算KL散度、余弦相似度，当回滚条件时，将动态学习率回滚至初始状态，并约束动态学习率的更新方向后再次迭代更新动态学习率。

本发明授权一种基于自适应PID-注意力的元学习欺诈检测步长优化方法在权利要求书中公布了：1.一种基于自适应PID-注意力的元学习欺诈检测步长优化方法，其特征在于，包括： S1：获取不同金融机构的欺诈任务数据，并基于欺诈任务数据分别执行元训练任务、元验证任务构建元学习框架，并通过任务特征编码器生成PID控制参数；元学习框架中各元任务的内循环基于PID控制参数调整动态学习率，基于调整的动态学习率更新任务参数，且元学习框架中各元任务的外循环基于对应内循环更新的任务参数优化PID控制参数； 统一不同金融机构的欺诈任务数据的特征空间： 欺诈任务数据包括多元信用卡交易日志、设备指纹数据； 采用滑动窗口机制对任意一个金融机构的欺诈任务数据进行特征提取，提取出时序特征；所述时序特征包括基于欺诈任务数据计算得到的均值、方差以及频域分量； 将各金融机构的时序特征经过批量归一化处理，得到各金融机构对齐后的时序特征；基于对齐后的时序特征分别执行元训练任务、元验证任务，构建元学习框架； 元学习框架的内循环包括： 对于任意一个元任务，执行任务参数更新，更新公式为： ； ； ； 其中，表示第个元任务在第次迭代时的任务参数；表示第个元任务在第次迭代时的任务参数；表示第次内循环的动态学习率；表示第个元任务基于任务参数进行内循环的元训练损失的梯度；表示PID控制参数的比例项；表示PID控制参数积分项；表示PID控制参数的微分项；表示第次内循环的实时误差；表示第次内循环的实时误差；表示第次内循环的实时误差；表示学习率最小值；表示学习率最大值；表示内循环迭代中相邻时间步的增量间隔；表示梯度截断函数；表示实时误差的基准参考值； 元学习框架的外循环包括： ； ； 其中，表示优化后的元参数集合；表示待优化的元参数集合；表示时序注意力权重；表示元学习率；表示第个元任务在第次迭代时的任务参数；表示第个元任务基于任务参数进行外循环的元验证损失；表示所有元任务的元验证损失的梯度； S2：计算新型欺诈任务与元学习框架中各元任务之间的相似度，并选择相似度最高的元任务的任务参数对元学习框架进行初始化，基于初始化后的元学习框架对新型欺诈任务的动态学习率进行迭代优化，当迭代过程中损失变化率与参数波动幅度同步小于对应的变化率阈值、幅度阈值时，停止优化，否则重置元学习框架中PID控制参数的积分项，并对PID控制参数的微分项进行平滑处理后，再迭代优化动态学习率； S3：对于同一欺诈检测数据，分别通过新型欺诈任务与其相似度最高的元任务进行欺诈检测，基于两个检测结果计算KL散度以及余弦相似度，并判断KL散度与余弦相似度是否大于等于对应的散度阈值、相似度阈值，是则将动态学习率回滚至初始状态，并基于增量损失函数约束动态学习率的更新方向，再次执行步骤S2；否则，基于新型欺诈任务与其相似度最高的元任务计算分布偏移度量，当分布偏移度量超过度量阈值时，将动态学习率回滚至初始状态，并通过特征投影矩阵校正分布偏移度量，再次执行步骤S2；否则，进行下一轮次新型欺诈任务的动态学习率优化。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569号；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”。

以上内容由龙图腾AI智能生成。