論文の概要: Mitigating Message Imbalance in Fraud Detection with Dual-View Graph Representation Learning

• arxiv url: http://arxiv.org/abs/2507.06469v1
• Date: Wed, 09 Jul 2025 01:00:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.431316
• Title: Mitigating Message Imbalance in Fraud Detection with Dual-View Graph Representation Learning
• Title（参考訳）: Dual-View Graph Representation Learningを用いたフラッド検出におけるメッセージの不均衡の軽減
• Authors: Yudan Song, Yuecen Wei, Yuhang Lu, Qingyun Sun, Minglai Shao, Li-e Wang, Chunming Hu, Xianxian Li, Xingcheng Fu,
• Abstract要約: フラッド検出(MimbFD)におけるメッセージの不均衡を軽減するための新しい2視点グラフ表現学習法を提案する。 具体的には、高品質なノード表現学習のためのトポロジメッセージリーチビリティモジュールを設計し、詐欺師のカモフラージュを浸透させ、不十分な伝播を緩和する。 その結果,MimbFDは不正検出において優れた性能を示した。
• 参考スコア（独自算出の注目度）: 17.9157377727083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph representation learning has become a mainstream method for fraud detection due to its strong expressive power, which focuses on enhancing node representations through improved neighborhood knowledge capture. However, the focus on local interactions leads to imbalanced transmission of global topological information and increased risk of node-specific information being overwhelmed during aggregation due to the imbalance between fraud and benign nodes. In this paper, we first summarize the impact of topology and class imbalance on downstream tasks in GNN-based fraud detection, as the problem of imbalanced supervisory messages is caused by fraudsters' topological behavior obfuscation and identity feature concealment. Based on statistical validation, we propose a novel dual-view graph representation learning method to mitigate Message imbalance in Fraud Detection(MimbFD). Specifically, we design a topological message reachability module for high-quality node representation learning to penetrate fraudsters' camouflage and alleviate insufficient propagation. Then, we introduce a local confounding debiasing module to adjust node representations, enhancing the stable association between node representations and labels to balance the influence of different classes. Finally, we conducted experiments on three public fraud datasets, and the results demonstrate that MimbFD exhibits outstanding performance in fraud detection.
• Abstract（参考訳）: グラフ表現学習は,その強い表現力により,近隣知識の獲得によるノード表現の強化に重点を置いて,不正検出の主流となっている。 しかし、局所的な相互作用に焦点を当てると、グローバルなトポロジ情報の不均衡な伝達と、不正ノードと良ノードの不均衡により、集約中にノード固有の情報が圧倒されるリスクが増大する。 本稿では,まず,GNNによる不正検出における下流タスクに対するトポロジとクラス不均衡の影響を要約する。 統計的検証に基づき,Fraud Detection(MimbFD)におけるメッセージの不均衡を軽減するために,新しい2視点グラフ表現学習法を提案する。 具体的には、高品質なノード表現学習のためのトポロジメッセージリーチビリティモジュールを設計し、詐欺師のカモフラージュを浸透させ、不十分な伝播を緩和する。 そこで我々は,ノード表現を調整し,異なるクラスの影響のバランスをとるために,ノード表現とラベルの安定な関連性を高めるために,局所収束型デバイアスモジュールを導入する。 最後に, 3つの公開詐欺データセットについて実験を行い, 結果から, MimbFDは不正検出において優れた性能を示した。

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)
• CaT-GNN: Enhancing Credit Card Fraud Detection via Causal Temporal Graph Neural Networks [13.924812479551326]
  クレジットカード詐欺は経済に重大な脅威をもたらす。 本稿では,クレジットカード不正検出の新しい手法であるtextbfunderlineCausal textbfunderlineTemporal textbfunderlineGraph textbfunderlineNeural textbfNetwork(CaT-GNN)を紹介する。 CaT-GNNはトランザクショングラフ内の因果ノードを特定し、因果混合戦略を適用してモデルの堅牢性と解釈可能性を高める。
  論文  参考訳（メタデータ） (2024-02-22T17:08:09Z)
• Transaction Fraud Detection via Spatial-Temporal-Aware Graph Transformer [5.043422340181098]
  本稿では,トランザクション不正検出問題に対する空間時間認識グラフ変換器(STA-GT)と呼ばれる新しいグラフニューラルネットワークを提案する。 具体的には、時間的依存関係を捕捉し、それをグラフニューラルネットワークフレームワークに組み込むための時間的符号化戦略を設計する。 ローカルおよびグローバルな情報を学ぶためのトランスフォーマーモジュールを導入する。
  論文  参考訳（メタデータ） (2023-07-11T08:56:53Z)
• 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)
• The Devil is in the Conflict: Disentangled Information Graph Neural Networks for Fraud Detection [17.254383007779616]
  性能劣化は主にトポロジと属性の矛盾に起因すると我々は主張する。 注意機構を用いて2つの視点を適応的に融合する簡易かつ効果的な手法を提案する。 我々のモデルは、実世界の不正検出データセットで最先端のベースラインを大幅に上回ることができる。
  論文  参考訳（メタデータ） (2022-10-22T08:21:49Z)
• Position-aware Structure Learning for Graph Topology-imbalance by Relieving Under-reaching and Over-squashing [67.83086131278904]
  トポロジー不均衡は、ラベル付きノードの不均一なトポロジー位置によって引き起こされるグラフ固有の不均衡問題である。 PASTEL という新しい位置認識型グラフ構造学習フレームワークを提案する。 私たちの重要な洞察は、より監督的な情報を得るために、同じクラス内のノードの接続性を高めることです。
  論文  参考訳（メタデータ） (2022-08-17T14:04:21Z)
• Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
  我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。 これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Improving Fraud detection via Hierarchical Attention-based Graph Neural Network [6.7713383844867385]
  不正検出のためのグラフニューラルネットワーク(HA-GNN)は、カモフラージュに対する異なる関係にわたって重み付けされた隣接行列を組み込む。 ローカル/ロングレンジ構造と元のノード特徴から情報を集約してノード埋め込みを生成する。 実世界の3つのデータセットの実験は、最先端技術に対する我々のモデルの有効性を実証している。
  論文  参考訳（メタデータ） (2022-02-12T16:27:16Z)

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。