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！

龙图腾网恭喜北京榜样在线科技有限公司申请的专利反跑分实时监测管控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：CN118657600B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202410561077.X，技术领域涉及：G06Q40/03；该发明授权反跑分实时监测管控方法及系统是由刘创琦;刘振康;李阳阳;曹晓利;闫世尧;李晴霏设计研发完成，并于2024-05-08向国家知识产权局提交的专利申请。

本反跑分实时监测管控方法及系统在说明书摘要公布了：本发明实施例提供一种反跑分实时监测管控方法及系统，涉及智能预警技术领域，该方法包括：针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；将各个平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据；确定相应的账户支付时序数据；基于各个账户支付时序数据，更新全局账户交易图网络；将全局账户交易图网络输入至预设的跑分行为识别模型，以识别风险节点，跑分行为识别模型采用增强型图注意力网络。由此，构建出跨平台的实时支付数据视图，实现跨平台数据融合及动态监控，有助于更早发现潜在的跑分风险行为。

本发明授权反跑分实时监测管控方法及系统在权利要求书中公布了：1.一种反跑分实时监测管控方法，包括： 针对各个支付平台接口，获取该支付平台接口所对应的平台实时支付数据；所述平台实时支付数据均包含账户信息、交易金额、交易时间和交易对方账户信息； 将各个所述平台实时支付数据进行数据预处理，并按照账户信息将各个经预处理的平台支付数据进行融合，以确定相应的账户跨平台实时支付数据；所述账户跨平台实时支付数据用于揭示单个账户在不同平台间的交易行为和模式； 针对各个所述账户跨平台实时支付数据，将该账户跨平台实时支付数据与相应账户信息在历史的预设时间段的账户跨平台历史支付数据集进行组合，以确定相应的账户支付时序数据； 基于各个所述账户支付时序数据，更新全局账户交易图网络；所述全局账户交易图网络中的每个节点分别用于表示相应的账户信息，每个边连接均为有向边，从付款方账户信息指向收款方账户信息；边连接属性包含：交易金额、交易时间和双方平均交易周期；节点属性包含：账户类型、账户注册时间、账户归属地和账户交易频率； 将所述全局账户交易图网络输入至预设的跑分行为识别模型，以识别所述全局账户交易图网络中至少一个待进行账户管控的风险节点；所述跑分行为识别模型采用增强型图注意力网络，所述增强型图注意力网络包含级联的时间编码层、深度图注意力层和异常检测层； 所述时间编码层用于编码所述全局账户交易图网络中各个边连接中的时间信息所分别对应的关联时间编码； 所述深度图注意力层用于根据各个节点的初始节点特征和所述关联时间编码，计算所述全局账户交易图网络中各个节点与相邻节点之间的注意力系数，并根据所述注意力系数对相应的各个第一节点特征进行加权更新，以得到相应的各个注意力节点特征； 所述异常检测层用于分别识别各个注意力节点特征的风险行为模式，以相应地从各个节点中筛选风险节点； 其中，所述时间编码层用于针对所述全局账户交易图网络中各个边连接中的时间信息进行编码，以确定相应的关联时间编码： TEt,2p＝sint100002pd TEt,2p+1＝cost100002pd 式中，t表示边连接中的时间信息；d表示关联时间编码的向量维度总数；p表示向量维度索引，p∈[1,d2-1]；TEt,2p和TEt,2p+1分别表示关联时间编码的偶数位置和奇数位置的向量元素； 其中，所述深度图注意力层包含多个级联的图注意力层； 所述图注意力层用于计算所述全局账户交易图网络中的每一对相邻节点i和j之间的注意力系数αij： 式中，‖表示向量的拼接；hi和hj分别表示节点i和j的节点特征；a表示可学习的权重向量；W表示线性变换权重矩阵；TEtij表示边i,j的关联时间编码；LeakyReLU表示非线性激活函数；表示节点i的邻居节点集合； 根据注意力系数αij对节点i的节点特征进行加权更新： 式中，σ表示激活函数，hi′表示由所述图注意力层针对节点i所输出的注意力加权节点特征； 其中，所述异常检测层用于采用孤立森林算法来计算各个注意力节点特征所分别对应的跑分异常得分，所述跑分异常得分用于筛选风险节点： scorei＝path_lengthicn 式中，scorei表示节点i所对应的跑分异常得分；path_lengthi表示节点i被孤立的平均路径长度；n表示全局账户交易图网络中所有节点的总数，cn表示全局账户交易图网络中所有节点的平均路径长度；表示深度图注意力层针对节点i输出的注意力节点特征；mq表示针对hmq进行第q次切分后，子节点中的数据点数量；cmq表示针对mq所对应的平均路径长度；e表示针对节点i的切分，到达叶节点之前所经过的边数；γ是欧拉-马斯刻若尼常数； 其中，所述跑分行为识别模型采用以下综合损失函数L： L＝μ·Lclass+β·Lanom+λ·Ltemp 式中，Lclass表示分类损失项，Lanom表示异常检测损失，Ltemp表示时间连续性损失项，μ,β,λ分别表示相应损失项所对应的权重系数；N表示数据样本集中的样本总数；yi表示第i个样本的真实标签，是模型预测为跑分的概率；P表示跑分行为和非跑分行为的实际概率分布，Q表示模型根据输入数据预测出的跑分行为和非跑分行为的概率分布；表示所有可能的行为类别的集合，x表示一个特定的行为类别；KLP‖Q表示概率分布P与Q之间的KL散度；T表示样本所对应的时间序列的总长度，t表示时间序列中时间点的序号；表示在时间点t的模型预测输出的跑分行为概率，表示在时间点t和t+1之间模型预测输出差异的欧几里得范数。

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北京榜样在线科技有限公司，其通讯地址为：100000 北京市海淀区学清路甲18号中关村东升科技园学院园二层A区344室；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”。