(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210751373.7 (22)申请日 2022.06.29 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 王光臣　冯思琦　吴雁冰　黄鹏琰　 邢壮壮　王钰　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06Q 30/00(2012.01) G06Q 40/02(2012.01) G06F 17/18(2006.01) G06K 9/62(2022.01)G06N 3/08(2006.01) (54)发明名称 基于记忆力变分自编码模型的信用卡欺诈 检测方法及系统 (57)摘要 本发明属于异常检测领域， 提供了基于记忆 力变分自编码模型的信用卡欺诈检测方法及系 统， 包括获取待检测信用卡交易数据； 基于待检 测信用卡交易数据和训练好的记忆力变分自编 码模型， 进行欺诈行为检测， 得到重构概率； 将重 构概率和阈值进行比较， 若重构概率高于该阈值 判定为正常交易数据， 否则判定为异常交易数 据。 于编码和解码的过程中加入记忆力模块， 有 效地抑制了神经网络的泛化能力， 从而提高了模 型检测的准确度。 权利要求书2页 说明书9页 附图3页 CN 115187266 A 2022.10.14 CN 115187266 A 1.基于记 忆力变分自编码模型的信用卡欺诈检测方法， 其特 征在于， 包括如下步骤: 获取待检测信用卡交易数据； 基于待检测信用卡交易数据和训练好的记忆力变分自编码模型， 进行欺诈行为检测， 得到重构概率； 所述记忆力变分自编码模型的构建过程包括： 基于编码器， 对待检测信用卡交易数据进行编码得到隐变量的正态分布参数； 结合隐变量的正态分布参数和记 忆力模块， 得到新的正态分布参数； 对新的正态分布参数使用重参数化 技巧， 经过解码器解码后得到 重建后的交易数据； 基于待检测信用卡交易数据和重建后的交易数据得到 重构概率； 将重构概率和阈值进行比较， 若重构概率高于该阈值判定为正常交易数据， 否则判定 为异常交易数据。 2.如权利要求1所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述结合隐变量的正态分布参数和记 忆力模块， 得到新的正态分布参数， 包括： 将隐变量的所有正态分布参数分别输入结构相同的记 忆力模块； 求正态分布参数与记 忆力模块中的每 个记忆力向量的余弦相似度； 根据余弦相似度， 通过softmax得到每 个记忆力向量的权 重； 对记忆力向量 求加权平均得到 输出向量， 即新的正态分布参数。 3.如权利要求1所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述对新的正态分布参数使用重参数化 技巧， 包括： 基于新的正态分布参数与标准正态分布中采样的向量进行计算， 得到可导的向量； 将 得到的可导向量输入解码器得到 重建的向量。 4.如权利要求1所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述记忆力变分自编 码模型的训练使用损失函数更新模型参数， 依据梯度下降的原则， 对每个参数进行 更新， 直至损失逐渐收敛。 5.如权利要求4所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述损失函数包括变分自编码器损失函数和记 忆力模块损失函数； 其中， 变分自编码器损 失函数包括重构概率损 失函数和正则化项， 所述重构概率损 失 函数采用均方误差或交叉熵来衡量， 所述正则化项采用编 码器所得到的 隐变量后验分布与 隐变量的先验分布之间的KL散度来衡量； 记力模块损失函数通过类间散度矩阵的迹和类内散度矩阵的迹来刻画， 包括： 以每个记忆力向量为 聚类中心对隐变量正态参数分布进行聚类， 计算所有记忆力向量 的中心向量； 基于所有记 忆力向量的中心向量和每 个记忆力向量得到类间散度矩阵； 采用距离每 个记忆力向量 最近的向量 集合和每个记忆力向量得到类内散度矩阵； 基于类间散度矩阵的迹和类内散度矩阵的迹得到记力模块损失函数。 6.如权利要求1所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述编码 器使用深度神经网络， 采用输入层 ‑隐藏层‑输出层的结构， 每一层网络的输出 都将作为下一层 网络的输入， 每层神经网络均由数个神经元组成， 神经元 的参数包括连接 权重、 偏置和激活函数。权　利　要　求　书 1/2 页 2 CN 115187266 A 27.如权利要求1所述的基于记忆力变分自编码模型的信用卡欺诈检测方法， 其特征在 于， 所述隐变量的正态分布参数包括隐变量的均值和均方差 。 8.基于记 忆力变分自编码模型的信用卡欺诈检测系统， 其特 征在于， 包括： 数据获取模块， 用于获取待检测信用卡交易数据； 记忆力变分自编码模型构建模块， 用于基于待检测信用卡交易数据和训练好的记忆力 变分自编码模型， 进行欺诈行为检测， 得到 重构概率； 所述记忆力变分自编码模型的构建过程包括： 基于编码器， 对待检测信用卡交易数据进行编码得到隐变量的正态分布参数； 结合隐变量的正态分布参数和记 忆力模块， 得到新的正态分布参数； 对新的正态分布参数使用重参数化 技巧， 经过解码器解码后得到 重建后的交易数据； 基于待检测信用卡交易数据和重建后的交易数据得到 重构概率； 信用卡欺诈检测模块， 用于将重构概率和阈值进行比较， 若重构概率高于该阈值判定 为正常交易数据， 否则判定为异常交易数据。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑7中任一项 所述的基于记忆力变分自编码模 型的信用卡欺诈检测方 法中的步骤。 10.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7中任一项 所述的基 于记忆力变分自编码模型的信用卡欺诈检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115187266 A 3