論文の概要: Self-supervised Graph Representation Learning for Black Market Account
Detection
- arxiv url: http://arxiv.org/abs/2212.02679v1
- Date: Tue, 6 Dec 2022 00:42:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 17:35:54.951346
- Title: Self-supervised Graph Representation Learning for Black Market Account
Detection
- Title(参考訳): ブラックマーケットアカウント検出のための自己教師付きグラフ表現学習
- Authors: Zequan Xu, Lianyun Li, Hui Li, Qihang Sun, Shaofeng Hu, Rongrong Ji
- Abstract要約: ブラックマーケットアカウント(BMA)は詐欺に直接関与せず、より検出するのが困難である。
本稿では,10億人以上のユーザを持つ代表的MMMAであるWeChatで使用されているBMA検出システムSGRLについて述べる。
オンライン環境でSGRLをデプロイし、数十億規模のWeChatグラフ上のBMAを検出する。
- 参考スコア(独自算出の注目度): 62.03978210281426
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, Multi-purpose Messaging Mobile App (MMMA) has become increasingly
prevalent. MMMAs attract fraudsters and some cybercriminals provide support for
frauds via black market accounts (BMAs). Compared to fraudsters, BMAs are not
directly involved in frauds and are more difficult to detect. This paper
illustrates our BMA detection system SGRL (Self-supervised Graph Representation
Learning) used in WeChat, a representative MMMA with over a billion users. We
tailor Graph Neural Network and Graph Self-supervised Learning in SGRL for BMA
detection. The workflow of SGRL contains a pretraining phase that utilizes
structural information, node attribute information and available human
knowledge, and a lightweight detection phase. In offline experiments, SGRL
outperforms state-of-the-art methods by 16.06%-58.17% on offline evaluation
measures. We deploy SGRL in the online environment to detect BMAs on the
billion-scale WeChat graph, and it exceeds the alternative by 7.27% on the
online evaluation measure. In conclusion, SGRL can alleviate label reliance,
generalize well to unseen data, and effectively detect BMAs in WeChat.
- Abstract(参考訳): 近年,多目的メッセージングモバイルアプリ(MMMA)が普及している。
MMMAは詐欺師を惹きつけ、一部のサイバー犯罪者はブラックマーケットアカウント(BMA)を通じて詐欺を支援している。
詐欺師と比較すると、bmasは直接詐欺に関与しておらず、検出が難しい。
本稿では,10億人以上のユーザを持つ代表的MMMAであるWeChatで使用されているBMA検出システムSGRLについて述べる。
BMA検出のためのグラフニューラルネットワークとグラフ自己教師学習をSGRLで調整する。
SGRLのワークフローは、構造情報、ノード属性情報および利用可能な人間の知識を利用する事前学習フェーズと、軽量な検出フェーズを含む。
オフライン実験では、sgrlはオフライン評価で最先端の手法を16.06%-58.17%上回っている。
我々は、オンライン環境にSGRLをデプロイし、数十億規模のWeChatグラフ上のBMAを検出する。
結論として、SGRLはラベル依存を緩和し、目に見えないデータによく一般化し、WeChatのBMAを効果的に検出できる。
関連論文リスト
- Multitask Active Learning for Graph Anomaly Detection [48.690169078479116]
MultItask acTIve Graph Anomaly Detection framework,すなわちMITIGATEを提案する。
ノード分類タスクを結合することにより、MITIGATEは既知の異常を伴わずに配布外ノードを検出する能力を得る。
4つのデータセットに関する実証的研究は、MITIGATEが異常検出のための最先端の手法を著しく上回っていることを示している。
論文 参考訳(メタデータ) (2024-01-24T03:43:45Z) - Generative and Contrastive Paradigms Are Complementary for Graph
Self-Supervised Learning [56.45977379288308]
Masked Autoencoder (MAE)は、マスク付きグラフエッジやノード機能の再構築を学ぶ。
Contrastive Learning (CL)は、同じグラフの拡張ビュー間の類似性を最大化する。
我々は,MAE と CL を統一するグラフコントラッシブマスク付きオートエンコーダ (GCMAE) フレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-24T05:06:06Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳(メタデータ) (2023-10-06T10:40:46Z) - Crowdsourcing Fraud Detection over Heterogeneous Temporal MMMA Graph [5.923874656683701]
我々は,MMMAの異種時間グラフ(HTG)上での不正検出をクラウドソーシングするための,CMTという新しい対照的な多視点学習手法を提案する。
我々は,代表的MMMA WeChatの業界規模のHTG上で,クラウドソーシング詐欺を検出するためにCMTをデプロイし,他の手法よりも優れています。
論文 参考訳(メタデータ) (2023-08-05T05:35:40Z) - MGTAB: A Multi-Relational Graph-Based Twitter Account Detection
Benchmark [14.91754326735955]
マルチリレーショナルグラフベースのTwitterアカウント検出ベンチマーク(MGTAB)を提案する。
MGTABには10,199名のエキスパートアノテートユーザと7種類の関係があり、高品質なアノテーションと多様な関係が保証されている。
実験の結果,グラフベースのアプローチは機能ベースのアプローチよりも一般的に有効であり,複数の関係を導入する際の性能が向上することがわかった。
論文 参考訳(メタデータ) (2023-01-03T14:43:40Z) - 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) - LaundroGraph: Self-Supervised Graph Representation Learning for
Anti-Money Laundering [5.478764356647437]
LaundroGraphは、新しい教師付きグラフ表現学習アプローチである。
マネーロンダリング防止プロセスを支援するための洞察を提供する。
我々の知る限りでは、これはAML検出の文脈における最初の完全自己教師システムである。
論文 参考訳(メタデータ) (2022-10-25T21:58:02Z) - Detect Professional Malicious User with Metric Learning in Recommender
Systems [39.26521260453495]
電子商取引では、オンライン小売業者は通常プロの悪意のあるユーザー(PMU)に悩まされている。
専門家のMaliciousユーザ検出にMetric Learningを用いた教師なしマルチモーダル学習モデル(MDD)を提案する。
論文 参考訳(メタデータ) (2022-05-19T16:32:36Z) - 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) - BERTifying the Hidden Markov Model for Multi-Source Weakly Supervised
Named Entity Recognition [57.2201011783393]
条件付き隠れマルコフモデル(CHMM)
CHMMは、入力トークンのBERT埋め込みからトークン単位の遷移と放出確率を予測する。
BERTベースのNERモデルを微調整し、ラベルをCHMMで推論する。
論文 参考訳(メタデータ) (2021-05-26T21:18:48Z)
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。