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！

龙图腾网获悉西南财经大学申请的专利欺诈检测的图训练微调方法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：CN120451598B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510905411.3，技术领域涉及：G06V10/74；该发明授权欺诈检测的图训练微调方法是由杨新;李婷婷;任灵飞;吴美君;曹雪梅;李志勇设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本欺诈检测的图训练微调方法在说明书摘要公布了：本发明公开了欺诈检测的图训练微调方法，方法包括以下步骤：S1：多源图数据整合与表征；S2：图结构预处理；S3：预训练模型优化；S4：少样本特征工程与迁移；S5：轻量化微调优化，包括推理阶段和模型微调阶段。本发明通过多层次的特征解耦与融合，显著提升了模型对欺诈模式的敏感性和泛化能力，在保证检测精度的同时降低了对标注数据的依赖，为复杂场景下的欺诈防控提供了有效的技术解决方案。

本发明授权欺诈检测的图训练微调方法在权利要求书中公布了：1.欺诈检测的图训练微调方法，其特征在于：包括以下步骤： S1：多源图数据整合与表征，包括：收集并整合多源无标签图数据，其中无标签图数据包含节点集矩阵、节点属性集矩阵、边集矩阵、邻接矩阵，其中：节点属性集矩阵即原始特征矩阵包含每个节点的特征值，邻接矩阵包含节点间的连接关系； S2：图结构预处理，包括：对原始特征矩阵依次进行维度映射、归一标准化、平滑性排列得到更新特征矩阵；利用邻接矩阵和更新特征矩阵，计算每个节点的特征值与邻居节点特征值的平均值之间的第一差值；计算每个节点的第一差值与其他节点的第一差值的余弦相似度距离，记录余弦相似度距离最大的k个节点作为每个节点高频特征的正样本集； S3：预训练模型优化，包括：将更新特征矩阵和邻接矩阵输入至GPR-GNN模型，经过GRP传播后得到K步传播后的传播特征矩阵；基于所述传播特征矩阵，计算每个节点特征值与邻居平均值的和的平均值得到低频特征，并计算每个节点特征值与邻居平均值的差得到高频特征，其中邻居平均值具体为邻居节点的特征值的和的平均值；基于低频特征和每个节点低频特征的正样本集计算低频特征损失函数，基于高频特征和每个节点高频特征的正样本集计算高频特征损失函数，其中每个节点低频特征的正样本集包含节点直接相连的邻居节点；利用低频特征损失函数和高频特征损失函数对GPR-GNN模型进行训练，直至模型收敛； S4：少样本特征工程与迁移，包括：对收集到的欺诈检测相关的少样本图数据依次进行所述多源图数据整合与表征的步骤、和所述图结构预处理的步骤；其中，对于少样本图数据的图结构预处理的步骤中仅计算得到少样本图数据的更新特征矩阵，所述少样本图数据具体为少量样本有标签； S5：轻量化微调优化，包括推理阶段和模型微调阶段； 所述推理阶段包括：将少样本图数据的更新特征矩阵和邻接矩阵输入冻结的GPR-GNN模型中，对有标签的少量样本节点进行特征解耦，即计算有标签的少量样本节点所对应的低频特征和高频特征；分别将少量样本节点所对应的低频特征和高频特征依次进行如下操作：输入至轻量级条件网络生成动态提示、使用逐元素乘法进行节点嵌入调整，得到低频节点嵌入和高频节点嵌入； 所述模型微调阶段包括：分别将低频节点嵌入和高频节点嵌入输入至对应的MLP分类器进行初步推理，之后进行交叉熵计算低频路径和高频路径的重要性权重，将低频节点嵌入和高频节点嵌入与对应的重要性权重进行整合，使用Softmax分类器输出欺诈检测的预测结果，以交叉熵损失对除冻结的GPR-GNN模型以外的模型进行微调。

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西南财经大学，其通讯地址为：611130 四川省成都市青羊区光华村街55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”。