龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江工业大学
申请日：2024-05-07
公开（公告）日：2024-07-05
公开（公告）号：CN118297609A
主分类号：G06Q30/018
分类号：G06Q30/018;G06N20/20
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明涉及一种支持异构模型联邦学习的欺诈用户检测方法及其框架，框架由一个服务器和M个客户端组成，服务器与M个客户端相连，所述服务器设有原型聚合模块，所述客户端设有本地模型模块，本地模型模块包含两个部分：自定义的本地图学习模型模块和无任何训练参数的原型传播模块。本发明方法在于将原型传播模块的预测结果将与客户端本地图学习模型模块的预测结果进行集成，最终得到高精度的欺诈用户检测结果。本发明的有益效果在于：能够克服已有的联邦学习框架的模型同构局限，使每个客户端金融机构能够使用自定义的本地模型，并且能显著降低服务器与客户端之间的通讯开销。
主权项：1.一种支持异构模型联邦学习的欺诈用户检测方法，其特征在于包括以下步骤：S1：每个客户端根据其拥有的用户数据，构造图结构化的本地训练数据；S2：服务器初始化全局原型集合，广播至所有客户端；S3：每个客户端根据本地训练数据和全局原型集合，通过前向计算得到本地图学习模型的预测结果以及原型传播模块的预测结果；S4：每个客户端对本地图学习模型的预测结果以及原型传播模块的预测结果进行加权平均操作，得到欺诈用户识别预测结果；S5：每个客户端对步骤S3、S4得到的三个预测结果计算本地损失函数，并基于该损失值更新本地模型；S6：每个客户端使用更新后的本地模型计算本地原型集合，并将本地原型集合上传至服务器；服务器使用加权平均操作聚合用户上传的本地原型集合，生成新的全局原型集合，并将其广播至每个客户端；S7:不断执行步骤S3-S6，直到满足预设的结束条件。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种支持异构模型联邦学习的欺诈用户检测方法及其框架
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号