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！

龙图腾网恭喜浙江大学申请的专利融合图扩散卷积与分组聚合特征的欺诈识别方法和装置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：CN118194088B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202410297915.7，技术领域涉及：G06F18/24；该发明授权融合图扩散卷积与分组聚合特征的欺诈识别方法和装置是由任立新;段明江;庄永真;罗进开;万志远设计研发完成，并于2024-03-15向国家知识产权局提交的专利申请。

本融合图扩散卷积与分组聚合特征的欺诈识别方法和装置在说明书摘要公布了：本发明公开了一种融合图扩散卷积与分组聚合特征的欺诈识别方法和装置。该方法包括提取原图结构，对原图进行图结构增强获得两跳图，输入到分类模型，包括对图按照关系类型划分关系子图，对各关系子图做特征分组聚合，对各关系子图分组聚合后的特征做图扩散卷积，再将各关系子图扩散卷积后的特征做关系聚合得到最终特征并通过全连接层输出预测结果。本发明的图扩散卷积除了聚合原图的分组邻域节点特征，还聚合了图结构增强生成的二跳图的分组邻域节点特征，充分利用了图的结构信息，关系信息，分组信息。本发明在欺诈检测领域的应用，能有效提高对欺诈的识别能力，有很大的实用价值。

本发明授权融合图扩散卷积与分组聚合特征的欺诈识别方法和装置在权利要求书中公布了：1.一种融合图扩散卷积与分组聚合特征的欺诈识别方法，其特征在于，该方法包括：S1、构建训练数据：在欺诈识别场景中提取节点特征和图关系特征，得到原始图并打上欺诈标签；所述原始图包括节点特征和图关系特征，所述节点特征为反欺诈业务所需的特征，包括交易账号，交易时间，交易对手方账户，交易金额，交易设备指纹和IP地址，且数据类型为数值类型；S2、对提取的原始图进行图结构增强，获得两跳图结构；S3、将原始图和两跳图输入欺诈分类模型并训练，直至达到预设的迭代次数；所述欺诈分类模型的计算过程包括：将原始图和两跳图按照关系分别划分为多张关系子图，对各关系子图做分组特征聚合；通过分组特征集合对各关系子图进行图扩散卷积；对图扩散卷积得到的特征进行关系聚合；将聚合后的特征输入到全连接层得到分类概率；所述分组特征聚合包括：根据每张关系子图中节点i的邻居节点对应的欺诈标签进行分组，对每组节点特征求均值并与节点i的特征拼接，乘参数矩阵输入激活函数得到每个组的聚合特征，将三个组的特征拼接得到关系r下的分组聚合特征，具体公式如下： 其中，角标g+表示节点i的欺诈标签为是的邻居节点分组，g-表示节点i的欺诈标签为否的邻居节点分组，g*表示节点i的所有邻居节点同时包括节点i的分组；Ni表示节点i的邻居节点集合，Ni+、Ni-和Nu*分别表示节点i的邻居节点中欺诈标签为是的节点集合，欺诈标签为否的节点集合和所有邻居节点的集合，是随机初始化的可学习参数矩阵；ReLU·是一个激活函数，ReLUx＝maxx,0；所述图扩散卷积具体为：使用原始图和两跳图进行图扩散卷积；N1为节点i在关系r下原始图中的邻居节点集合，N2为节点i在关系r下两跳图中的邻居节点集合，τ1,τ2分别为原始图和两跳图邻居节点卷积的权重超参数，为特征分组聚合拼接得到的特征； 所述是图扩散卷积的扩散系数，计算方式如下所示： 所述关系聚合包括：对多种关系子图下节点i的特征乘上关系系数再求和；是可学习的参数矩阵，qT是可学习的向量控制着乘积的大小，通过关系聚合得到的节点i在第l层的特征所述关系系数的计算方式如下所示， S4、将需要欺诈识别场景下的原始图和两跳图输入到训练好的欺诈分类模型中，得到预测结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。