論文の概要: Detecting Financial Fraud with Hybrid Deep Learning: A Mix-of-Experts Approach to Sequential and Anomalous Patterns

• arxiv url: http://arxiv.org/abs/2504.03750v1
• Date: Tue, 01 Apr 2025 20:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:12:24.339191
• Title: Detecting Financial Fraud with Hybrid Deep Learning: A Mix-of-Experts Approach to Sequential and Anomalous Patterns
• Title（参考訳）: ハイブリッド深層学習によるファイナンシャルフラッドの検出--逐次パターンと異常パターンの混在によるアプローチ
• Authors: Diego Vallarino,
• Abstract要約: 本研究では、Mixture of Experts(MoE)フレームワークとRecurrent Neural Networks(RNN)、Transformer Encoders、Autoencodersを統合したクレジットカード不正検出用ハイブリッドアーキテクチャを提案する。 MoEフレームワークは専門家の予測責任を動的に割り当て、適応的で文脈に敏感な意思決定を可能にする。 提案するハイブリッドシステムは、ますます洗練された詐欺パターンを検出するために、スケーラブルでモジュラーで規制対応のアプローチを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Financial fraud detection remains a critical challenge due to the dynamic and adversarial nature of fraudulent behavior. As fraudsters evolve their tactics, detection systems must combine robustness, adaptability, and precision. This study presents a hybrid architecture for credit card fraud detection that integrates a Mixture of Experts (MoE) framework with Recurrent Neural Networks (RNNs), Transformer encoders, and Autoencoders. Each expert module contributes a specialized capability: RNNs capture sequential behavior, Transformers extract high-order feature interactions, and Autoencoders detect anomalies through reconstruction loss. The MoE framework dynamically assigns predictive responsibility among the experts, enabling adaptive and context-sensitive decision-making. Trained on a high-fidelity synthetic dataset that simulates real-world transaction patterns and fraud typologies, the hybrid model achieved 98.7 percent accuracy, 94.3 percent precision, and 91.5 percent recall, outperforming standalone models and classical machine learning baselines. The Autoencoder component significantly enhanced the system's ability to identify emerging fraud strategies and atypical behaviors. Beyond technical performance, the model contributes to broader efforts in financial governance and crime prevention. It supports regulatory compliance with Anti-Money Laundering (AML) and Know Your Customer (KYC) protocols and aligns with routine activity theory by operationalizing AI as a capable guardian within financial ecosystems. The proposed hybrid system offers a scalable, modular, and regulation-aware approach to detecting increasingly sophisticated fraud patterns, contributing both to the advancement of intelligent systems and to the strengthening of institutional fraud defense infrastructures.
• Abstract（参考訳）: 不正行為の動的かつ敵対的な性質のため、金融詐欺検出は依然として重要な課題である。 詐欺師が戦術を進化させるにつれて、検知システムは堅牢性、適応性、精度を組み合わせなければならない。 本研究では、Mixture of Experts(MoE)フレームワークとRecurrent Neural Networks(RNN)、Transformer Encoders、Autoencodersを統合したクレジットカード不正検出用ハイブリッドアーキテクチャを提案する。 RNNはシーケンシャルな振る舞いをキャプチャし、トランスフォーマーは高次の特徴的インタラクションを抽出し、オートエンコーダは再構築損失を通じて異常を検出する。 MoEフレームワークは専門家の予測責任を動的に割り当て、適応的で文脈に敏感な意思決定を可能にする。 現実世界のトランザクションパターンと不正なタイプをシミュレートする高忠実な合成データセットに基づいてトレーニングされたこのハイブリッドモデルは、98.7%の精度、94.3%の精度、91.5パーセントのリコールを達成した。 オートエンコーダコンポーネントは、出現する不正戦略と非典型的行動を特定するシステムの能力を著しく強化した。 技術的パフォーマンス以外にも、このモデルは金融ガバナンスと犯罪防止の幅広い取り組みに貢献している。 AML(Anti-Money Laundering)およびKYC(Know Your Customer)プロトコルによる規制コンプライアンスをサポートし、金融エコシステム内の有能な保護者としてAIを運用することで、通常のアクティビティ理論と整合する。 提案するハイブリッドシステムは、高度に洗練された詐欺パターンを検出するためのスケーラブルでモジュール的で規制に配慮したアプローチを提供し、知的システムの進歩と制度的詐欺防御インフラの強化に寄与する。

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)
• Deep Learning for Cross-Border Transaction Anomaly Detection in Anti-Money Laundering Systems [14.439233916969748]
  本稿では,クロスボーダーAMLシステムにおける教師なし学習モデルの応用について検討する。 基本畳み込みニューラルネットワーク(CNN)からハイブリッドCNNGRUアーキテクチャまでの5つのディープラーニングモデルが設計およびテストされた。 その結果、モデル複雑性が増加するにつれて、システムの検出精度と応答性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-21T03:55:41Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Enhancing Credit Card Fraud Detection A Neural Network and SMOTE Integrated Approach [4.341096233663623]
  本研究では、ニューラルネットワーク(NN)とSMOTE(Synthet ic Minority Over-Sampling Technique)を組み合わせて検出性能を向上させる革新的な手法を提案する。 この研究は、クレジットカード取引データに固有の不均衡に対処し、堅牢で正確な不正検出のための技術的進歩に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-27T02:26:04Z)
• Securing Transactions: A Hybrid Dependable Ensemble Machine Learning Model using IHT-LR and Grid Search [2.4374097382908477]
  本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。 実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。 提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-22T09:01:42Z)
• On the Potential of Network-Based Features for Fraud Detection [3.0846824529023382]
  本稿では、パーソナライズされたPageRank(PPR)アルゴリズムを用いて、詐欺の社会的ダイナミクスを捉える。 主な目的は、従来の特徴と不正検出モデルにおけるPPRの追加を比較することである。 その結果,PPRの統合はモデルの予測能力を向上し,ベースラインモデルを上回ることが示唆された。
  論文  参考訳（メタデータ） (2024-02-14T13:20:09Z)
• Generative Pretraining at Scale: Transformer-Based Encoding of Transactional Behavior for Fraud Detection [0.0]
  我々のモデルはトークンの爆発に直面し、行動列を再構築し、トランザクションの振る舞いの微妙な理解を提供する。 我々は、中国最大のオンライン決済業者のセキュリティと有効性を活性化し、異常検出を強化するために、差分畳み込みアプローチを統合する。
  論文  参考訳（メタデータ） (2023-12-22T03:15:17Z)
• 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)
• Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement Learning Approach [123.55983746427572]
  本稿では,複数ラウンドの対話を通して動的ビックレー・クラーク・グローブ(VCG)機構を回復するための新しい学習アルゴリズムを提案する。 当社のアプローチの重要な貢献は、報酬のないオンライン強化学習(RL)を取り入れて、リッチな政策分野の探索を支援することである。
  論文  参考訳（メタデータ） (2022-02-25T16:17:23Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
  Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。 しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。 クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T08:02:27Z)

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。