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！

龙图腾网获悉厦门大学申请的专利一种基于深度学习模型的异常金融行为分析方法及系统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：CN118982420B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202410991407.9，技术领域涉及：G06Q40/03；该发明授权一种基于深度学习模型的异常金融行为分析方法及系统是由方颖;陈海强;郭晔;林明;李迎星;宋沐青;王翔宇设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于深度学习模型的异常金融行为分析方法及系统在说明书摘要公布了：一种基于深度学习模型的异常金融行为分析方法及系统，涉及金融分析技术领域。方法包括：获取实时金融数据，对实时金融数据进行信息提取，根据提取结果，确定实时金融数据的数据类别；根据数据类别，对实时金融数据进行数据特征提取，将提取结果与预设数据库中的数据进行匹配，得到匹配度；将匹配度与预设匹配阈值进行对比，根据对比结果，确定实时金融数据是否为异常金融行为；若超过，则确定实时金融数据是异常金融行为，并根据对比结果、匹配度、数据类别、实时金融数据，生成报告信息并预警。准确地判断实时金融数据是否表征异常金融行为，降低误报和漏报的可能性。为监管和调查提供重要依据。

本发明授权一种基于深度学习模型的异常金融行为分析方法及系统在权利要求书中公布了：1.一种基于深度学习模型的异常金融行为分析方法，其特征在于包括以下步骤： 1获取历史金融数据，对获取的历史金融数据进行完整性分析和修正，通过分类确定异常金融数据，提取异常特征并建立可信度等级，具体包括： 1.1获取历史金融数据，根据领域知识，对所述历史金融数据进行分析，确定所述历史金融数据是否完整； 1.2若所述历史金融数据不完整，则获取领域知识的输入及修正，根据所述输入及修正，对所述历史金融数据进行调整，得到完整的历史金融数据，并基于历史金融交易行为是否为异常金融交易行为对完整的历史金融数据进行分类； 1.3根据分类结果，确定历史异常金融数据，并提取历史异常金融数据，根据提取结果，确定异常数据特征； 1.4根据异常数据特征，构建匹配可信度等级，具体包括以下步骤： 1.4.1分析异常数据特征，根据特征分析结果，确定每一异常数据特征的数据特点； 1.4.2根据数据特点，将异常数据特征进行分类，得到若干异常特征集合； 1.4.3将每一历史异常金融数据分别与对应的异常特征集合进行匹配，根据匹配结果，确定每一异常数据特征在对应的异常特征集合中的占比； 1.4.4统计每一异常数据特征在历史金融数据中出现的频率； 1.4.5根据占比及频率，确定每一异常数据特征的特征权重，参考以下公式： N＝α*yi+β*ni∑α*yj+β*nj； 其中，N表示第i个异常数据特征经过归一化处理后的权重；yi表示第i个异常数据特征在历史金融数据中出现的频率；ni表示第i个异常数据特征在异常特征集合中的占比；α表示频率对应的权重系数；β表示占比对应的权重系数；yj表示所有异常数据特征在历史金融数据中出现的频率；nj表示所有异常数据特征在异常特征集合中的占比； 1.4.6根据特征权重，生成特征权重矩阵； 1.4.7根据特征权重矩阵，构建匹配可信度等级； 2获取实时金融数据，对所述实时金融数据进行信息提取，根据提取结果，确定所述实时金融数据的数据类别； 3根据所述数据类别，对所述实时金融数据进行数据特征提取，将提取结果与预设数据库中的数据进行匹配，得到匹配度；所述预设数据库是含有异常金融行为以及异常金融行为数据特征的数据库； 4将所述匹配度与预设匹配阈值进行对比，根据对比结果，确定所述实时金融数据是否表征一种异常金融行为； 5若所述匹配度超过预设匹配阈值，则确定所述实时金融数据表征一种异常金融行为，并根据所述对比结果、所述匹配度、所述数据类别、所述实时金融数据，生成报告信息，根据所述报告信息进行预警。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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。