一种欺诈检测模型优化方法、装置、设备及介质

本申请涉及人工智能技术领域，公开了一种欺诈检测模型优化方法、装置、设备及介质，通过构建用于欺诈时序序列分类训练的第一模型，同步进行第一模型的时序重建任务、时序预测任务和时序分类任务训练，利用三个任务训练得到的损失值对第一模型中的编码网络和分类网络的网络参数进行优化，同时，在时序重建任务和时序预测任务组成的辅助任务中，无需额外的标签样本，可仅由原始时序序列进行训练，辅助任务与分类任务具有较高的关联性和协同性，损失函数可以同步下降，解决了现有模型对欺诈行为的分类识别存在的片段难以捕捉、片段样本缺乏明确标注导致难以学习欺诈行为的特征以及样本不平衡导致模型偏向于预测多数类而忽视少数类的技术问题。