[发明专利]一种基于类明确表示的一分类对抗性诈骗检测方法

权利要求书

1.一种基于类明确表示的一分类对抗性诈骗检测方法，其特征在于，采用改进的自编码器和改进的生成对抗网络，并包括四个阶段：

第一阶段：基于正常行为数据做初步的特征提取，利用改进后的自编码器提取其数据鲁棒特征；

第二阶段：修改原始生成对抗网络中生成器和判别器的目标函数得到改进的生成对抗网络，利用改进的生成对抗网络生成伪异常行为数据；

第三阶段：将正常用户行为数据和伪异常行为数据输入改进的自编码器中一同训练，用训练完成后的编码器对正常行为数据做最终的特征提取；

第四阶段：用最终提取好的正常行为数据特征对改进的生成对抗网络进行训练，训练完成后得到的判别器作为诈骗检测器对诈骗进行检测。

所述的改进的自编码器是在自编码器的中间层加入中心损失函数，使得自编码器在编码时满足最小化类内距离和最大化类间距离；所述的改进的生成对抗网络中，生成器的损失函数为生成分布与定义的诈骗数据的理想分布的KL散度。

2.根据权利要求1所述的基于类明确表示的一分类对抗性诈骗检测方法，其特征在于，第一阶段的具体过程为：用正常数据对自动编码器进行训练，并在其中间层加入中心损失，最小化类内距离；训练完成后通过编码器En₁对原始正常数据进行编码得到其特征，并保留解码器De₁模型权重。

3.根据权利要求1所述的基于类明确表示的一分类对抗性诈骗检测方法，其特征在于，第二阶段的具体过程为：将原始生成对抗网络中生成器的损失函数修改为生成分布与定义的诈骗数据的理想分布的KL散度，并训练判别器；训练完成后将生成器生成的伪诈骗数据特征通过解码器De₁从潜在特征空间还原到原始空间。

4.根据权利要求1所述的基于类明确表示的一分类对抗性诈骗检测方法，其特征在于，第三阶段的具体过程为：在自动编码器的中间层加入最小化类内距离、最大化类间距离的损失函数，将伪诈骗行为数据作为参考数据和正常行为数据一同对自动编码器进行训练，并通过训练好的编码器En₂得到正常行为数据的特征表示。

5.根据权利要求1所述的基于类明确表示的一分类对抗性诈骗检测方法，其特征在于，第四阶段的具体过程为：用第三阶段提取正常行为数据的特征对改进的生成对抗网络进行训练，生成器生成的伪异常数据会逐渐向正常数据聚集，直到分布于其边缘，判别器不断训练提高分辨正常数据和生成的伪异常数据的能力，训练完成后得到的判别器作为诈骗检测器对诈骗进行检测。