Fugu-MT 論文翻訳(概要): Behavioral graph fraud detection in E-commerce

論文の概要: Behavioral graph fraud detection in E-commerce

arxiv url: http://arxiv.org/abs/2210.06968v1
Date: Thu, 13 Oct 2022 12:47:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 17:11:50.378587
Title: Behavioral graph fraud detection in E-commerce
Title（参考訳）: 電子商取引における行動グラフ不正検出
Authors: Hang Yin, Zitao Zhang, Zhurong Wang, Yilmazcan Ozyurt, Weiming Liang, Wenyu Dong, Yang Zhao, Yinan Shan
Abstract要約: 本稿では,ユーザ行動の類似性に基づくトランザクションリンクを確立するための,行動バイオメトリクスに基づく新しい手法を提案する。我々の知る限り、グラフ埋め込みアプリケーションで類似性に基づくソフトリンクが使用されるのはこれが初めてである。本実験は,類似性に基づく行動グラフから学習した埋め込み特徴が,ベースライン不正検出モデルにおいて顕著な性能向上を実現していることを示す。
参考スコア（独自算出の注目度）: 10.621640214806794
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In e-commerce industry, graph neural network methods are the new trends for transaction risk modeling.The power of graph algorithms lie in the capability to catch transaction linking network information, which is very hard to be captured by other algorithms.However, in most existing approaches, transaction or user connections are defined by hard link strategies on shared properties, such as same credit card, same device, same ip address, same shipping address, etc. Those types of strategies will result in sparse linkages by entities with strong identification characteristics (ie. device) and over-linkages by entities that could be widely shared (ie. ip address), making it more difficult to learn useful information from graph. To address aforementioned problems, we present a novel behavioral biometric based method to establish transaction linkings based on user behavioral similarities, then train an unsupervised GNN to extract embedding features for downstream fraud prediction tasks. To our knowledge, this is the first time similarity based soft link has been used in graph embedding applications. To speed up similarity calculation, we apply an in-house GPU based HDBSCAN clustering method to remove highly concentrated and isolated nodes before graph construction. Our experiments show that embedding features learned from similarity based behavioral graph have achieved significant performance increase to the baseline fraud detection model in various business scenarios. In new guest buyer transaction scenario, this segment is a challenge for traditional method, we can make precision increase from 0.82 to 0.86 at the same recall of 0.27, which means we can decrease false positive rate using this method.
Abstract（参考訳）: 電子商取引業界では、グラフニューラルネットワーク手法がトランザクションリスクモデリングの新しいトレンドである。グラフアルゴリズムのパワーは、他のアルゴリズムによって捕捉するのが非常に困難であるトランザクションリンクネットワーク情報をキャッチする能力にある。しかし、既存のほとんどのアプローチでは、トランザクションまたはユーザ接続は、同じクレジットカード、同じデバイス、同じipアドレス、同じ配送アドレスなどの共有プロパティ上のハードリンク戦略によって定義される。これらのタイプの戦略は、強力な識別特性(デバイス)を持つエンティティによる疎結合と、広く共有できるエンティティ(ipアドレス)によるオーバーリンクをもたらすため、グラフから有用な情報を学ぶのがより困難になる。上記の問題に対処するために,ユーザ行動の類似性に基づくトランザクションリンクを確立するための新しい行動バイオメトリックス手法を提案し,教師なしgnnを訓練し,下流詐欺予測タスクの埋め込み機能を抽出した。我々の知る限り、グラフ埋め込みアプリケーションで類似性に基づくソフトリンクが使用されるのはこれが初めてである。類似度計算を高速化するために,gpuベースのhdbscanクラスタリング手法を適用し,グラフ構築前に高度に集中した分離ノードを除去する。実験の結果,類似度に基づく行動グラフから学習した埋め込み機能は,さまざまなビジネスシナリオにおいて,ベースライン不正検出モデルに著しい性能向上を達成した。新しいゲストバイヤー取引シナリオでは、このセグメントは従来の手法の課題であり、0.27のリコールと同時に精度を0.82から0.86に向上させることができる。

関連論文リスト

Financial Fraud Detection using Jump-Attentive Graph Neural Networks [0.0]
金融サービス部門の大部分は、トランザクションデータをモデル化するために、XGBoost、Random Forest、ニューラルネットワークなど、さまざまな機械学習アルゴリズムを使用している。非類似ノードからのカモフラージュ検出と重要な特徴情報の保存に有効な効率的な近傍サンプリング手法を用いた新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-11-07T05:12:51Z)
Ethereum Fraud Detection via Joint Transaction Language Model and Graph Representation Learning [6.378807038086552]
現在の不正検出方法は、トランザクション内の意味情報や類似性パターンを考慮できない。本稿では,トランザクション言語モデルとグラフベースの手法を組み合わせたTLMG4Ethを提案する。
論文参考訳（メタデータ） (2024-09-09T07:13:44Z)
Dynamic Relation-Attentive Graph Neural Networks for Fraud Detection [5.294604210205507]
グラフベースの不正検出手法は、このタスクを2つのクラス(詐欺または正常)の分類問題と見なしている。グラフニューラルネットワーク (GNN) を用いて, 動的関係・係り受けアグリゲーション機構の提案により, この問題に対処する。実験結果から,本手法のDRAGは,実世界のベンチマークデータセットにおいて,最先端の不正検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-10-06T11:41:38Z)
CONVERT:Contrastive Graph Clustering with Reliable Augmentation [110.46658439733106]
信頼性オーグメンテーション(CONVERT)を用いたContrastiVe Graph ClustEringネットワークを提案する。本手法では,データ拡張を可逆的パーターブ・リカバリネットワークにより処理する。セマンティクスの信頼性をさらに保証するために、ネットワークを制約する新たなセマンティクス損失が提示される。
論文参考訳（メタデータ） (2023-08-17T13:07:09Z)
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)
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)
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)
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)
Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks [53.56901624204265]
本研究では、相補的な強さを持つ2つの異なる定式化を用いて、属性グラフの異常なエッジを明らかにする。まず、グラフデータマトリックスを低ランクとスパースコンポーネントに分解することで、パフォーマンスを著しく向上させる。第2は、乱れのないグラフを頑健に復元することにより、第1のスコープを広げ、異常識別性能を高める。
論文参考訳（メタデータ） (2021-04-17T20:00:40Z)
Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
数発のアウトオブグラフリンク予測という現実的な問題を導入する。我々は,新しいメタ学習フレームワークによってこの問題に対処する。我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
論文参考訳（メタデータ） (2020-06-11T17:42:46Z)

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。