一种基于深度学习的反诈模型训练方法

本发明涉及人工智能技术领域，公开一种基于深度学习的反诈模型训练方法，包括如下步骤：步骤1、多模态数据预处理与构建，对原始数据进行异常值处理、缺失值填充和特征标准化，处理后的交易数据和地理信息通过特征提取模块表示，设备信息和社交关系图通过嵌入层和图神经网络嵌入；步骤2、基于自监督学习的数据增强，通过设计行为预测任务和掩码填充任务对无标签数据进行预训练，以将生成的模型参数初始化主模型，生成合成样本扩展训练数据集。通过设计行为预测任务和掩码填充任务，利用无标签数据实现特征的自动学习与增强，减少对标注数据的依赖，显著提高模型对欺诈行为的检测能力，丰富训练数据的多样性。