論文の概要: Relational Graph Neural Networks for Fraud Detection in a Super-Appe nvironment

• arxiv url: http://arxiv.org/abs/2107.13673v1
• Date: Thu, 29 Jul 2021 00:02:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-30 13:09:37.698809
• Title: Relational Graph Neural Networks for Fraud Detection in a Super-Appe nvironment
• Title（参考訳）: 超アプリケーション環境における不正検出のための関係グラフニューラルネットワーク
• Authors: Jaime D. Acevedo-Viloria, Luisa Roa, Soji Adeshina, Cesar Charalla Olazo, Andr\'es Rodr\'iguez-Rey, Jose Alberto Ramos, Alejandro Correa-Bahnsen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 53.561797148529664
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large digital platforms create environments where different types of user interactions are captured, these relationships offer a novel source of information for fraud detection problems. In this paper we propose a framework of relational graph convolutional networks methods for fraudulent behaviour prevention in the financial services of a Super-App. To this end, we apply the framework on different heterogeneous graphs of users, devices, and credit cards; and finally use an interpretability algorithm for graph neural networks to determine the most important relations to the classification task of the users. Our results show that there is an added value when considering models that take advantage of the alternative data of the Super-App and the interactions found in their high connectivity, further proofing how they can leverage that into better decisions and fraud detection strategies.
• Abstract（参考訳）: 大規模なデジタルプラットフォームは、さまざまなタイプのユーザインタラクションをキャプチャする環境を作成し、これらの関係は不正検出問題に対する新たな情報源を提供する。 本稿では,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。 この目的のために,我々はこのフレームワークを,ユーザ,デバイス,クレジットカードの異なる異種グラフに適用し,最終的に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最も重要な関係性を決定する。 以上の結果から,スーパーアプリの代替データと,それらの高い接続性にあるインタラクションを利用するモデルを考えると,さらに価値が増すことが示され,より優れた意思決定や不正検出戦略に活用できることを示す。

関連論文リスト

• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Fraudulent User Detection Via Behavior Information Aggregation Network (BIAN) On Large-Scale Financial Social Network [8.687460943376605]
  本稿では,ユーザ行動と他のユーザ機能を組み合わせた行動情報集約ネットワーク(BIAN)を提案する。 実世界の大規模金融ソーシャルネットワークデータセットであるDGraphの実験結果は、BIANがAUROCの10.2%の利益を得ていることを示している。
  論文  参考訳（メタデータ） (2022-11-04T08:33:06Z)
• The Devil is in the Conflict: Disentangled Information Graph Neural Networks for Fraud Detection [17.254383007779616]
  性能劣化は主にトポロジと属性の矛盾に起因すると我々は主張する。 注意機構を用いて2つの視点を適応的に融合する簡易かつ効果的な手法を提案する。 我々のモデルは、実世界の不正検出データセットで最先端のベースラインを大幅に上回ることができる。
  論文  参考訳（メタデータ） (2022-10-22T08:21:49Z)
• Deep Fraud Detection on Non-attributed Graph [61.636677596161235]
  グラフニューラルネットワーク(GNN)は不正検出に強い性能を示している。 ラベル付きデータは大規模な産業問題、特に不正検出には不十分である。 よりラベルのないデータを活用するための新しいグラフ事前学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-10-04T03:42:09Z)
• Identifying Linked Fraudulent Activities Using GraphConvolution Network [0.0]
  グラフ畳み込みネットワーク(GCN)を用いたリンクされた不正行為の同定手法を提案する。 GCNは、類似した試みのクラスタを特定するために不正なノード間の類似性を学び、学習するデータセットをはるかに小さくする必要がある。 提案手法は, ラベル伝搬コミュニティ検出と教師付きGBTアルゴリズムを, ソリューションの品質と時間の観点から比較した。
  論文  参考訳（メタデータ） (2021-06-05T09:56:08Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• 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)
• Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
  我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。 本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-22T09:50:04Z)

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。