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！

申请/专利权人：广西师范大学

摘要：本发明公开了一种基于联邦图学习的跨社交平台账户检测方法，包括如下步骤：步骤一：采用Pareto分布确保每个客户端的训练集的类别的分布都符合长尾分布的特点；步骤二：得到混合嵌入；步骤三：生成预测概率即logits；步骤四：对每个客户端使用类重要性平衡损失函数，从而平衡不同类别数据的权重；步骤五:每个客户端基于基尼系数计算不平衡程度参数，并同时基于类重要性平衡损失函数计算平均类梯度；步骤六:引入一个平衡因子来确保最终聚合的类梯度即全局类梯度的平衡；步骤七:识别新的用户账户是否为异常账户。这种方法通过本地阶段和全局阶段的协同工作来解决非独立同分布和长尾数据带来的全局模型偏差问题。

主权项：1.基于联邦图学习的跨社交平台账户检测方法，其特征在于，包括如下步骤：步骤一：假设一个检测系统，检测系统中包括多个社交网络平台，该检测系统采用服务器作为多个社交网络平台的第三方检测平台，一个社交网络平台表示一个在检测系统里的客户端，每个客户端里的数据均为图结构数据,每个客户端里的每个用户账户表示一个节点，且用户账户共有c类，将整个系统中图结构数据根据客户端数量进行划分得到训练集和验证集，每个客户端负责训练该客户端对应的训练集，在这个训练过程中,采用Pareto分布确保每个客户端的训练集的类别的分布都符合长尾分布的特点；步骤二：每个客户端使用特征结构解耦图注意力网络模型训练该客户端对应的训练集，特征结构解耦图注意力网络模型通过两个并行通道分别学习节点的结构信息和节点的特征信息，最终将节点的结构信息和特征信息合并得到混合嵌入；步骤三：每个客户端使用线性分类器对混合嵌入进行预测，并生成预测概率即logits，然后利用知识再学习策略，引导每个客户端的logits输出与服务器的logits输出相近；步骤四：对每个客户端使用类重要性平衡损失函数，即通过为客户端中的每个用户账户的类别分配不同的重要性权重来调整客户端里用户账户类别的损失函数，从而平衡不同类别数据的权重；步骤五：每个客户端基于基尼系数计算不平衡程度参数，并同时基于类重要性平衡损失函数计算平均类梯度，并将不平衡程度参数和平均类梯度这两个参数上传到服务器；步骤六：服务器根据接收到的不平衡程度参数，动态调整每个客户端类梯度的聚合权重，然后引入一个平衡因子来确保最终聚合的类梯度即全局类梯度的平衡；步骤七：服务器随机生成一组可学习特征，并采用优化策略使可学习特征的类梯度接近全局类梯度，从而使可学习特征平衡，再将可学习特征经过线性分类器得到全局logits，然后将全局logits发送给每一个客户端，客户端通过步骤三的知识再学习策略，提升识别能力，当新的用户账户出现时，利用每个客户端对该新的用户账户进行预测，以判断该新的用户账户是否为异常账户。

全文数据：

权利要求：

百度查询： 广西师范大学 基于联邦图学习的跨社交平台账户检测方法