論文の概要: Semi-supervised Credit Card Fraud Detection via Attribute-Driven Graph Representation

• arxiv url: http://arxiv.org/abs/2412.18287v1
• Date: Tue, 24 Dec 2024 08:48:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:55:50.877342
• Title: Semi-supervised Credit Card Fraud Detection via Attribute-Driven Graph Representation
• Title（参考訳）: 属性駆動型グラフ表現による半教師付きクレジットカード不正検出
• Authors: Sheng Xiang, Mingzhi Zhu, Dawei Cheng, Enxia Li, Ruihui Zhao, Yi Ouyang, Ling Chen, Yefeng Zheng,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 28.745101225936697
• License:
• Abstract: Credit card fraud incurs a considerable cost for both cardholders and issuing banks. Contemporary methods apply machine learning-based classifiers to detect fraudulent behavior from labeled transaction records. But labeled data are usually a small proportion of billions of real transactions due to expensive labeling costs, which implies that they do not well exploit many natural features from unlabeled data. Therefore, we propose a semi-supervised graph neural network for fraud detection. Specifically, we leverage transaction records to construct a temporal transaction graph, which is composed of temporal transactions (nodes) and interactions (edges) among them. Then we pass messages among the nodes through a Gated Temporal Attention Network (GTAN) to learn the transaction representation. We further model the fraud patterns through risk propagation among transactions. The extensive experiments are conducted on a real-world transaction dataset and two publicly available fraud detection datasets. The result shows that our proposed method, namely GTAN, outperforms other state-of-the-art baselines on three fraud detection datasets. Semi-supervised experiments demonstrate the excellent fraud detection performance of our model with only a tiny proportion of labeled data.
• Abstract（参考訳）: クレジットカード詐欺は、カード保有者と銀行発行者双方にとってかなりのコストをもたらす。 現代の手法では、ラベル付きトランザクションレコードから不正な振る舞いを検出するために機械学習ベースの分類器を適用している。 しかしラベル付けされたデータは通常、高価なラベル付けコストのために数十億の実際のトランザクションのごく一部であり、ラベル付けされていないデータから多くの自然な特徴をうまく活用していないことを意味する。 そこで本研究では,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(ノード)と相互作用(エッジ)で構成される時間的トランザクショングラフを構築する。 次に、Gated Temporal Attention Network (GTAN)を介してノード間でメッセージを送信し、トランザクション表現を学習する。 さらに、取引間のリスク伝播を通じて不正パターンをモデル化する。 大規模な実験は、現実世界のトランザクションデータセットと、2つの公開可能な不正検出データセットで実施されている。 その結果,提案手法,すなわちGTANは,3つの不正検出データセットにおいて,最先端のベースラインを上回っていることがわかった。 半教師付き実験では,ラベル付きデータのみを用いて,優れた不正検出性能を示す。

関連論文リスト

• Across-Platform Detection of Malicious Cryptocurrency Transactions via Account Interaction Learning [19.2372535101502]
  既存の悪意のあるトランザクション検出方法は、大量のラベル付きデータに依存する。 そこで我々はシャドウイーズ(ShadowEyes)を提案する。 公開データセットを用いて大規模な実験を行い,ShadowEyesの性能評価を行った。
  論文  参考訳（メタデータ） (2024-10-31T02:01:42Z)
• 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)
• Blockchain Large Language Models [65.7726590159576]
  本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。 提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
  論文  参考訳（メタデータ） (2023-04-25T11:56:18Z)
• The Importance of Future Information in Credit Card Fraud Detection [3.2465762663605373]
  我々は,「未来」情報を用いた後方不正検出という新たなパラダイムを提案する。 3000万以上のトランザクションを持つ実世界のデータセットでは、通常のLSTMよりも高いパフォーマンスを実現している。 この新たなパラダイムにおける今後の作業は、不正なカードの検出に重大な影響を与えるだろうと考えています。
  論文  参考訳（メタデータ） (2022-04-11T17:11:34Z)
• 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)
• Credit card fraud detection using machine learning: A survey [0.5134435281973136]
  本稿では,データ駆動型クレジットカード不正検出機能と,その複雑な課題に対処するための機械学習手法について検討する。 特に、まず一般的なクレジットカード検出タスクを特徴付けます。データセットとその属性、メトリックの選択と、そのような不均衡なデータセットを扱ういくつかの方法です。
  論文  参考訳（メタデータ） (2020-10-13T15:35:32Z)
• ScoreGAN: A Fraud Review Detector based on Multi Task Learning of Regulated GAN with Data Augmentation [50.779498955162644]
  生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。 その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
  論文  参考訳（メタデータ） (2020-06-11T16:15:06Z)
• 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。