Fugu-MT 論文翻訳(概要): GraphFC: Customs Fraud Detection with Label Scarcity

論文の概要: GraphFC: Customs Fraud Detection with Label Scarcity

arxiv url: http://arxiv.org/abs/2305.11377v2
Date: Sat, 19 Aug 2023 13:30:48 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 23:56:26.231465
Title: GraphFC: Customs Fraud Detection with Label Scarcity
Title（参考訳）: GraphFC:ラベルスカルシティによる不正検出のカスタム
Authors: Karandeep Singh, Yu-Che Tsai, Cheng-Te Li, Meeyoung Cha, Shou-De Lin
Abstract要約: 人員が限られているため、税関は限られた数の宣言を手動で検査することしかできない。現在の税関詐欺検出のアプローチは、この現実世界の設定にはあまり適していない。本研究では,モデルに依存しない,ドメイン固有の,半教師付きグラフニューラルネットワークに基づく税関不正検出アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 21.7060251265426
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Custom officials across the world encounter huge volumes of transactions. With increased connectivity and globalization, the customs transactions continue to grow every year. Associated with customs transactions is the customs fraud - the intentional manipulation of goods declarations to avoid the taxes and duties. With limited manpower, the custom offices can only undertake manual inspection of a limited number of declarations. This necessitates the need for automating the customs fraud detection by machine learning (ML) techniques. Due the limited manual inspection for labeling the new-incoming declarations, the ML approach should have robust performance subject to the scarcity of labeled data. However, current approaches for customs fraud detection are not well suited and designed for this real-world setting. In this work, we propose $\textbf{GraphFC}$ ($\textbf{Graph}$ neural networks for $\textbf{C}$ustoms $\textbf{F}$raud), a model-agnostic, domain-specific, semi-supervised graph neural network based customs fraud detection algorithm that has strong semi-supervised and inductive capabilities. With upto 252% relative increase in recall over the present state-of-the-art, extensive experimentation on real customs data from customs administrations of three different countries demonstrate that GraphFC consistently outperforms various baselines and the present state-of-art by a large margin.
Abstract（参考訳）: 世界中の税関職員が大量の取引に遭遇する。接続性の向上とグローバル化により、税関取引は毎年増加を続けている。税関取引に関連するのは税関詐欺であり、税や義務を避けるために商品宣言を意図的に操作することである。人員が限られているため、税関は限られた数の宣言を手作業で検査できるのみである。これにより、機械学習(ML)技術による税関不正検出を自動化する必要が生じる。新しい宣言をラベル付けするための手動検査が限られているため、MLアプローチはラベル付きデータの不足による堅牢なパフォーマンスを持つべきである。しかし、現在の税関不正検出のアプローチは、この現実世界の設定にはあまり適していない。本稿では,モデル非依存,ドメイン固有,半教師付きグラフニューラルネットワークに基づく,セミ教師付きかつ帰納的能力を持つカスタムス不正検出アルゴリズムである,$\textbf{graphfc}$ ($\textbf{graph}$ neural networks for $\textbf{c}$ustoms $\textbf{f}$raudを提案する。最新技術に対するリコールは252%まで増加しており、3つの異なる国の税関管理からの実際の税関データに関する広範囲な実験は、graphfcが一貫して様々な基準値や現在の技術水準を上回っていることを示している。

関連論文リスト

A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
論文参考訳（メタデータ） (2025-02-18T22:07:36Z)
Uncertainty-Aware Label Refinement on Hypergraphs for Personalized Federated Facial Expression Recognition [58.98052764581606]
我々はhYpergraphs (AMY) 法に基づく新しい不確実性認識ラベルリファレントを開発する。ローカルトレーニングでは、各ローカルモデルは、バックボーン、不確実性推定(UE)ブロック、および式分類(EC)ブロックで構成される。次に、ローカルクライアントにおける標本の不確実性重みを推定するために、パーソナライズされた不確実性推定器を導入する。
論文参考訳（メタデータ） (2025-01-03T13:59:21Z)
Semi-supervised Credit Card Fraud Detection via Attribute-Driven Graph Representation [28.745101225936697]
不正検出のための半教師付きグラフニューラルネットワークを提案する。具体的には、トランザクションレコードを活用して、時間的トランザクショングラフを構築します。次に、Gated Temporal Attention Network (GTAN)を介してノード間でメッセージを渡し、トランザクション表現を学習します。
論文参考訳（メタデータ） (2024-12-24T08:48:48Z)
Heterogeneous Graph Auto-Encoder for CreditCard Fraud Detection [0.7864304771129751]
本稿では、金融データの異種グラフ表現に注意機構を応用したグラフニューラルネットワーク(GNN)を用いたクレジットカード不正検出手法を提案する。提案モデルはグラフセージやFI-GRLなどのベンチマークアルゴリズムより優れており、AUC-PRが0.89、F1スコアが0.81である。
論文参考訳（メタデータ） (2024-10-10T17:05:27Z)
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)
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)
Customs Import Declaration Datasets [12.306592823750385]
我々は、税関行政におけるドメインエキスパートと多様なドメインの研究者の協力を促進するために、インポート宣言データセットを導入する。データセットには、54,000の人工的に生成された取引と22のキー属性が含まれている。我々は、より高度なアルゴリズムが詐欺を検知しやすくすることを実証的に示している。
論文参考訳（メタデータ） (2022-08-04T06:20:20Z)
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)
Customs Fraud Detection in the Presence of Concept Drift [2.257416403770908]
ADAPTは、エクスプロイトと探索戦略のバランスを制御する適応的選択法である。 ADAPTを用いたシステムは、データセットに徐々に適応し、高い性能で適切な探索比を求めることができる。
論文参考訳（メタデータ） (2021-09-29T02:52:19Z)
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)
DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
論文参考訳（メタデータ） (2020-06-10T08:20:13Z)

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。