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GNN的金融欺诈检测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：CN121258702B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511833423.6，技术领域涉及：G06Q40/06；该发明授权一种基于GNN的金融欺诈检测方法是由周建平;曹清越设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种基于GNN的金融欺诈检测方法在说明书摘要公布了：本发明实施例中提供了一种基于GNN的金融欺诈检测方法，属于数据处理技术领域，具体包括：构建金融异构交易图并进行归一化；针对每一种关系类型，计算其PPR矩阵，并基于该矩阵为每个节点计算多尺度先验权重向量；将多尺度先验权重向量与节点特征输入至多层图神经网络模型，生成每个节点在每种关系类型下的多尺度融合表示；基于关系注意力机制生成该节点在当前网络层的输出表示；基于层级注意力机制生成每个节点的最终特征表示；将最终特征表示输入至分类器，得到每个节点为异常节点的概率预测值；使用带标签的真实数据计算损失函数，并通过反向传播优化多层图神经网络模型和分类器的参数。通过本发明的方案，提高了检测精准度和鲁棒性。

本发明授权一种基于GNN的金融欺诈检测方法在权利要求书中公布了：1.一种基于GNN的金融欺诈检测方法，其特征在于，包括： 步骤1，构建金融异构交易图并对其节点特征进行归一化处理，其中，所述金融异构交易图包含多种实体类型的节点和多种关系类型的边； 步骤2，针对金融异构交易图中的每一种关系类型，计算其PPR矩阵，并基于该矩阵为每个节点计算其在不同关系类型下与邻居节点的多尺度先验权重向量； 所述步骤2具体包括： 步骤2.1，对于每种关系类型r及其对应的PPR矩阵，针对每个节点v，提取节点v在矩阵中对应的行向量； 步骤2.2，基于行向量中非零的PPR值，使用聚类算法将节点v的邻居节点划分为至少三个距离簇，分别对应不同的信息尺度； 步骤2.3，计算每个距离簇内所有邻居节点的PPR值之和占节点v总PPR值的比例，作为该信息尺度对应的先验权重； 步骤2.4，将所有节点在所有关系类型下的先验权重形成多尺度先验权重向量； 步骤3，将多尺度先验权重向量与节点特征输入至多层图神经网络模型，进行关系内多尺度信息融合，生成每个节点在每种关系类型下的多尺度融合表示； 所述步骤3具体包括： 步骤3.1，对于每个节点v、每种关系类型r以及当前网络层h，执行K步邻居特征聚合，得到K个不同尺度下的节点特征表示,，其中=0时的特征为节点自身特征的线性变换结果，K-1指在该关系类型r下，聚合了距离为K-1步的邻居节点信息后的特征； 步骤3.2，将K个尺度的节点特征表示输入至一个尺度注意力网络，计算每个尺度对应的注意力权重； 步骤3.3，对K个尺度的节点特征表示按其对应的注意力权重进行加权求和，得到节点v在关系类型r下融合了K个不同尺度后的多尺度融合表示； 步骤4，基于关系注意力机制，对每个节点在不同关系类型下的多尺度融合表示进行加权求和，生成该节点在当前网络层的输出表示； 步骤5，基于层级注意力机制，对多层图神经网络模型中不同网络层的节点输出表示进行加权求和，生成每个节点的最终特征表示； 步骤6，将最终特征表示输入至分类器，得到每个节点为异常节点的概率预测值； 步骤7，使用带标签的真实数据计算损失函数，并通过反向传播优化多层图神经网络模型和分类器的参数，得到目标模型对待检测金融数据进行检测。

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。