-
公开(公告)号：CN114387092B
公开(公告)日：2025-03-21
申请号：CN202210111445.1
申请日：2022-01-29
Applicant: 同济大学
IPC: G06Q40/03 , G06F18/22 , G06N20/00 , G06F40/30 , G06F40/295
Abstract: 本发明属于网络借贷欺诈预测技术领域，公开了一种基于多阶段数据表征的网络借贷欺诈预测方法，包括以下步骤：步骤S101：根据原始网络借贷申请数据选定可用字段构建原始信息网络，然后将节点划分为实体和属性，构建由实体层和属性层组成的分层信息网络；步骤S102：从属性层中提取一个属性网络，给每个属性附加一个预训练的词向量来反映属性之间的语义相似性，利用网络表征学习将从先验和外部语义知识中获取的属性相似信息和属性共现关联融入属性对应的嵌入向量中；步骤S103，实体表征；步骤S104，欺诈预测。本发明增强了网络借贷申请事务中信息关联的密度，提高了网络借贷欺诈预测模型的检测能力，对保护用户和企业的资金安全有更好的保障。
-
公开(公告)号：CN119232465A
公开(公告)日：2024-12-31
申请号：CN202411353800.1
申请日：2024-09-26
Applicant: 同济大学
Abstract: 本发明属于网络攻击检测领域，具体涉及一种基于溯源图行为信息的APT攻击检测方法。分为四个步骤：步骤1、数据预处理；步骤2、子图生成；步骤3、行为特征提取；对每一张子图进行特征提取，包括节点特征提取和边特征提取；步骤4、分类模型设计、训练、异常检测；训练和测试分类模型，利用训练好的模型依次分类每一条边的类型，当某一条边无法被现有任何一个子模型正确分类时，判定其为异常，并输出它的行为结构图。本发明在溯源图的建模中引入了行为属性及其结构信息，超越了传统关注实体交互关系的范畴；通过引入池化方法和图表征学习，提高了模型的表达能力，使其更有效地捕捉行为结构中的重要信息，在初始结构信息的基础上不断优化。
-
公开(公告)号：CN119149238A
公开(公告)日：2024-12-17
申请号：CN202411387649.3
申请日：2024-10-06
Applicant: 同济大学
IPC: G06F9/50 , G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/08 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及算力网络预测，提出了一种面向算力网络的多类型任务需求预测方法。该方法通过对算力网络场景中的多类型任务需求进行分析和特征提取，通过深度神经网络对任务需求进行分析和处理，输出分类结果，将分类后的任务需求通过频率注意力机制和非平稳因子相结合的方式处理，不仅能够实现自动从全局数据中抽取更深层次的关联特征，而且能够自动识别出任务中的突变需求，从而提高了算力网络场景下多类型任务需求的预测精度。对比传统的方法，本方法从时域和频域结合的角度对算力网络任务需求数据进行刻画，并引入非平稳因子，能够有效地识别出任务需求中的突变性数据，具有更高的准确性和适用性。
-
公开(公告)号：CN118569760A
公开(公告)日：2024-08-30
申请号：CN202410611791.5
申请日：2024-05-16
Applicant: 同济大学
IPC: G06Q10/0832 , G06Q10/0835
Abstract: 本发明提出了一种适用于空地协同系统的装箱式区域划分方法，包括装箱初始化和装箱操作两个主要步骤：装箱初始化的目的是通过选择第一个装入箱子的目标点来确定箱子的位置。选择距离所有已装箱点质心最近的目标点装入新的箱子。首个箱子的第一个装箱点选择距离所有目标点质心最远的点。在装箱初始化后，装箱操作将为新生成的箱子装入其他目标点。一个箱子的第一个装箱点被设置为无人车停留的起点。生成的箱子优先打包距离起点最近的目标点，从而装入尽可能多的目标点。装箱初始化和装箱操作交替迭代，直至所有的目标点均完成装箱。本发明相比于传统方法利用聚类划分目标区域减少了额外的充电时间和运输时间，提高了空地协同系统的任务执行效率。
-
公开(公告)号：CN118277093A
公开(公告)日：2024-07-02
申请号：CN202410379722.6
申请日：2024-03-29
Applicant: 同济大学
IPC: G06F9/50 , G06N3/0455 , G06N3/084
Abstract: 本发明属于负载预测领域，尤其涉及一种面向算力网络的负载预测方法，包括以下步骤：步骤S101，根据原始的算力网络服务器获取初始算力网络负载数据，基于获取的数据构建数据集；步骤S102，将采集到的数据集划分为训练集、验证集和测试集并进行数据预处理，方便后续模型使用；步骤S103，使用深度学习算法构建模型，使用训练集对模型进行训练，并通过验证集进行验证，不断的调整超参数直到预测结果和真实值接近，最后使用测试集测试最终的效果；步骤S104，比较真实的算力负载和基于历史数据预测出来的结果，将真实的负载数据重新组成新的数据集，加入到深度学习模型训练模块进行再次训练。本发明方法具有高准确性、实时性、自适应性等优点。
-
公开(公告)号：CN117707137A
公开(公告)日：2024-03-15
申请号：CN202311502769.9
申请日：2023-11-13
Applicant: 同济大学
IPC: G05D1/43 , G05D1/644 , G05D1/247 , G05D1/648 , G05D105/20
Abstract: 局部通信下基于动态组网的区域覆盖路径规划方法，包括步骤：初始化N个机器人的位置，相互间可以通信，同时在覆盖区域外设置一虚拟位置；在每次迭代周期中，所有机器人会同步完成向各自的下一个目标邻居点移动；判断是否所有机器人都已移动，若是，则重置所有机器人的移动状态，本次迭代周期结束；否则，判断是否存在陷入“死锁”的机器人，若存在，则进行“死锁”解除，当所有陷入“死锁”的机器人均完成向目标邻居点移动后，本次迭代周期结束。重复上述机器人移动迭代周期，直至迭代次数达到预设值或所有环境区域均已覆盖。该方法可以在通信受限的无障碍物环境下，有效地实时响应环境待覆盖区域变化，以最小的成本实现区域完全覆盖。
-
公开(公告)号：CN111028073B
公开(公告)日：2023-05-12
申请号：CN201911101576.6
申请日：2019-11-12
Applicant: 同济大学
IPC: G06Q40/03
Abstract: 一种网络借贷欺诈检测系统，嵌入于互联网网络借贷审核系统，连接网络借贷记录数据供应模块，包括网络构建与更新模块、网络学习表征模块、特征构建模块、欺诈检测模型。网络构建与更新模块，包括关系借贷网络构建与更新模块、同质借贷网络的构建与更新模块，关系借贷网络构建与更新模块与同质借贷网络的构建与更新模块连接；网络表征学习模块，包括静态网络表征学习模块和增量式网络表征学习模块；特征构建模块，包括数据向量化模块和时序特征构造模块，数据向量化模块输出与时序特征构造模块输入连接，静态网络表征学习模块和增量式网络表征学习模块的输出分别与数据向量化模块的输入连接；所述欺诈检测模块，对测试数据实现欺诈检测。
-
公开(公告)号：CN113033306B
公开(公告)日：2023-04-18
申请号：CN202110195696.8
申请日：2021-02-20
Applicant: 同济大学
Abstract: 本发明提供一种信号源搜索方法，包括：获取各智能体于上一搜索阶段的运动状态信息和堆结构，根据堆结构确定各智能体对应的领导者智能体，以获取各领导者智能体于上一搜索阶段的位置信息；根据各智能体于上一搜索阶段的运动状态信息，和领导者智能体于上一搜索阶段的位置信息，获取各智能体于当前搜索阶段的运动状态信息，以使各智能体运动至新位置，并于新位置处获取当前信号强度；检测各所述当前信号强度是否存在满足信号强度预设条件，如是，则根据满足信号强度条件的智能体新位置信息，确定信号源的位置信息；如否，则执行堆化更新操作，获取新的堆结构；重复以上步骤；本方法能明显提高搜索精度和搜索性能。
-
公开(公告)号：CN110189134B
公开(公告)日：2023-01-31
申请号：CN201910409251.8
申请日：2019-05-17
Applicant: 同济大学
IPC: G06Q20/40 , G06F18/214 , G06F18/24
Abstract: 一种基于疑似欺诈交易参照序位的网络支付反欺诈系统架构，涉及网络支付反欺诈领域。本发明创造性地采用欺诈特征子空间合成理念，首次提出基于疑似欺诈交易参照序位的完备性欺诈空间划分方法，将欺诈特征空间划分为：欺诈交易前驱位特征空间、欺诈交易后继位特征空间和欺诈交易当中位特征空间。不同特征子空间根据用户交易过程中产生的交易数据参照序位，使用模块中的其中几个或全部分析交易是否为欺诈交易，根据各个模块产生的结果采用投票法的决策策略对各个模块的结果进行集成，最终生成系统的决策结果。本发明利用多模块相互独立减少耦合性，利用集成和协调策略将多模块组合，扩展性和可解释性好，各个模块之间功能互补，提高反欺诈系统性能。
-
公开(公告)号：CN109767225B
公开(公告)日：2022-12-27
申请号：CN201811516440.7
申请日：2018-12-12
Applicant: 同济大学
Abstract: 本发明公开一种基于自学习滑动时间窗口的网络支付欺诈检测方法，目的为了寻找更为有效的网络支付欺诈检测的实现方案，其包括如下步骤：获取实时检测的某个用户新来的一笔交易记录，并基于交易记录和预置的滑动时间窗口提取不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征；将不依赖于滑动时间窗口的特征和依赖于滑动时间窗口的特征输入到训练完毕的随机森林分类器模型中，得到并返回交易记录存在欺诈可能性的概率。本发明利用强化学习中的学习自动机对滑动时间窗口大小进行动态学习和调整，解决传统欺诈检测系统存在滞后性的弊病。
