一种基于数据增强的欺诈检测方法

本发明公开了一种基于数据增强的欺诈检测方法；包含图对比学习、相似性选择、分组级聚合及变换器编码等多个处理模块，系统性地优化了对复杂图数据的分析与处理。图对比学习模块在无需标签数据的情况下进行预训练，有效提取节点深层嵌入；相似性选择模块识别与已知欺诈节点最相似的节点，为这些节点分配伪欺诈标签，有助于扩大及平衡训练数据集中的欺诈类别样本；分组级聚合步骤处理并融合目标节点的邻域信息，优化节点表示；变换器编码器则将这些聚合的组向量融合成节点的最终表示。此深度学习流程显著提升了复杂及异质图数据环境下的检测性能，有效解决类别不平衡与数据异质性问题。本发明展示了其独特架构和处理机制的广泛适用性和高效处理能力，能在多种实际应用场景中有效识别及预测欺诈行为。