一种基于自适应元聚合策略的信用卡欺诈检测方法

本申请涉及一种基于自适应元聚合策略的信用卡欺诈检测方法，包括：在元模型中为信用卡交易数据集中划分的每个子集均分配一个工作节点，并初始化工作节点的权重、本地模型参数；在训练数据中的各工作节点均基于其对应的子集独立进行模型训练，并应用动量方法累积历史梯度信息，引入L2正则化项并使用自适应学习率算法优化本地模型参数；中心节点基于各本地模型参数初步更新元模型的全局模型参数；采用加权中位数聚合方法将所有工作节点更新后的本地模型参数进行聚合，基于加权中位数聚合参数进一步更新全局模型参数；将测试数据输入至更新的所述元模型中，得到信用卡欺诈预测结果。该方法显著提升了模型在面对新欺诈模式时的适应能力和检测精度。