論文の概要: Modeling the Field Value Variations and Field Interactions Simultaneously for Fraud Detection

• arxiv url: http://arxiv.org/abs/2008.05600v2
• Date: Thu, 20 May 2021 09:39:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 12:22:34.583943
• Title: Modeling the Field Value Variations and Field Interactions Simultaneously for Fraud Detection
• Title（参考訳）: 不正検出のためのフィールド値変動とフィールドインタラクションの同時モデル化
• Authors: Dongbo Xi, Bowen Song, Fuzhen Zhuang, Yongchun Zhu, Shuai Chen, Tianyi Zhang, Yuan Qi, Qing He
• Abstract要約: 本稿では、ユーザの行動系列の内部フィールド情報を利用するDIFM(Dual Importance-Aware Factorization Machines)を提案する。 提案モデルは,世界最大のeコマースプラットフォームのリスクマネジメントシステムに展開されている。
• 参考スコア（独自算出の注目度）: 34.74123377122112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the explosive growth of e-commerce, online transaction fraud has become one of the biggest challenges for e-commerce platforms. The historical behaviors of users provide rich information for digging into the users' fraud risk. While considerable efforts have been made in this direction, a long-standing challenge is how to effectively exploit internal user information and provide explainable prediction results. In fact, the value variations of same field from different events and the interactions of different fields inside one event have proven to be strong indicators for fraudulent behaviors. In this paper, we propose the Dual Importance-aware Factorization Machines (DIFM), which exploits the internal field information among users' behavior sequence from dual perspectives, i.e., field value variations and field interactions simultaneously for fraud detection. The proposed model is deployed in the risk management system of one of the world's largest e-commerce platforms, which utilize it to provide real-time transaction fraud detection. Experimental results on real industrial data from different regions in the platform clearly demonstrate that our model achieves significant improvements compared with various state-of-the-art baseline models. Moreover, the DIFM could also give an insight into the explanation of the prediction results from dual perspectives.
• Abstract（参考訳）: 電子商取引の爆発的な成長により、オンライン取引詐欺は電子商取引プラットフォームにおける最大の課題の1つとなった。 ユーザの歴史的行動は、ユーザの詐欺リスクを掘り下げるための豊富な情報を提供する。 この方向でかなりの努力がなされているが、長期にわたる課題は、内部ユーザ情報を効果的に活用し、説明可能な予測結果を提供する方法である。 実際、異なるイベントからの同じフィールドの値の変化と、あるイベント内の異なるフィールドの相互作用は、詐欺行為の強い指標であることが証明されている。 本稿では,2つの視点からユーザ行動系列の内部フィールド情報,すなわちフィールド値の変動とフィールドインタラクションを同時に利用して不正検出を行うDual Importance-Aware Factorization Machines (DIFM)を提案する。 提案されたモデルは、世界最大級のeコマースプラットフォームのリスク管理システムにデプロイされ、リアルタイムトランザクション不正検出を提供する。 プラットフォーム内の異なる地域からの実産業データに対する実験結果から,我々のモデルが様々な最先端のベースラインモデルと比較して著しく改善できることが明らかとなった。 さらに、difmはデュアルパースペクティブによる予測結果の説明に対する洞察を与えることもできる。

関連論文リスト

• Privacy-Preserving Financial Anomaly Detection via Federated Learning & Multi-Party Computation [17.314619091307343]
  本稿では、金融機関が高精度な異常検出モデルを共同で訓練できるプライバシー保護フレームワークについて述べる。 当社のソリューションは,顧客データのプライバシを保ちながら,高精度な異常検出モデルをトレーニングすることを可能にする。
  論文  参考訳（メタデータ） (2023-10-06T19:16:41Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Modeling Users' Behavior Sequences with Hierarchical Explainable Network for Cross-domain Fraud Detection [19.262529179023254]
  本稿では,ユーザの行動系列をモデル化する階層型説明可能ネットワーク(HEN)を提案する。 また,クロスドメイン不正検出問題に対処するための転送フレームワークを提案する。 提案手法は,HENだけでなく,既存モデルにも適用可能な汎用トランスファーフレームワークである。
  論文  参考訳（メタデータ） (2022-01-04T06:37:16Z)
• Harnessing Perceptual Adversarial Patches for Crowd Counting [92.79051296850405]
  群衆のカウントは、物理的な世界の敵の例に弱い。 本稿では,モデル間での知覚的特徴の共有を学習するためのPAP(Perceptual Adrial Patch)生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:51:39Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Multimodal and Contrastive Learning for Click Fraud Detection [3.958603405726725]
  Click Fraud Detection (MCCF) のためのマルチモーダル・コントラスト学習ネットワークを提案する。 MCCFはワイド・ディープの特徴, 行動シーケンス, 異種ネットワークを共同で利用し, クリック表現を蒸留する。 Alibabaプラットフォーム上の2.54百万クリックを含む実世界のデータセットを用いて、MCCFの有効性を調査する。
  論文  参考訳（メタデータ） (2021-05-08T03:03:11Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
  本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。 ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
  論文  参考訳（メタデータ） (2020-02-28T10:35:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。