論文の概要: Semi-Supervised Supply Chain Fraud Detection with Unsupervised Pre-Filtering

• arxiv url: http://arxiv.org/abs/2508.06574v1
• Date: Thu, 07 Aug 2025 11:25:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.448871
• Title: Semi-Supervised Supply Chain Fraud Detection with Unsupervised Pre-Filtering
• Title（参考訳）: 教師なしプレフィルタによる半監督型サプライチェーンフラッド検出
• Authors: Fatemeh Moradi, Mehran Tarif, Mohammadhossein Homaei,
• Abstract要約: 現代のサプライチェーンの混乱は、グローバルネットワークの複雑さとラベル付きデータの不足によって引き起こされる、増大する課題である。 従来の検出手法は、クラス不均衡と限られた監督に苦しむことが多く、実世界の応用においてその効果を低下させる。 本稿では,これらの課題に対処する新しい2段階学習フレームワークを提案する。 第1段階では、アイソレーションフォレストアルゴリズムが教師なし異常検出を行い、潜在的な不正事件を特定し、さらなる分析を必要とするデータの量を削減する。 第2フェーズでは、自己学習支援ベクトルマシン(SVM)がラベル付きおよび高信頼の擬似ラベル付きサンプルを用いて予測を洗練し、堅牢性を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Detecting fraud in modern supply chains is a growing challenge, driven by the complexity of global networks and the scarcity of labeled data. Traditional detection methods often struggle with class imbalance and limited supervision, reducing their effectiveness in real-world applications. This paper proposes a novel two-phase learning framework to address these challenges. In the first phase, the Isolation Forest algorithm performs unsupervised anomaly detection to identify potential fraud cases and reduce the volume of data requiring further analysis. In the second phase, a self-training Support Vector Machine (SVM) refines the predictions using both labeled and high-confidence pseudo-labeled samples, enabling robust semi-supervised learning. The proposed method is evaluated on the DataCo Smart Supply Chain Dataset, a comprehensive real-world supply chain dataset with fraud indicators. It achieves an F1-score of 0.817 while maintaining a false positive rate below 3.0%. These results demonstrate the effectiveness and efficiency of combining unsupervised pre-filtering with semi-supervised refinement for supply chain fraud detection under real-world constraints, though we acknowledge limitations regarding concept drift and the need for comparison with deep learning approaches.
• Abstract（参考訳）: 現代のサプライチェーンにおける不正検出は、グローバルネットワークの複雑さとラベル付きデータの不足によって、ますます難しくなっている。 従来の検出手法は、クラス不均衡と限られた監督に苦しむことが多く、実世界の応用においてその効果を低下させる。 本稿では,これらの課題に対処する新しい2段階学習フレームワークを提案する。 第1段階では、アイソレーションフォレストアルゴリズムが教師なし異常検出を行い、潜在的な不正事件を特定し、さらなる分析を必要とするデータの量を削減する。 第2フェーズでは、自己学習支援ベクトルマシン(SVM)がラベル付きおよび高信頼の擬似ラベル付きサンプルを用いて予測を洗練し、堅牢な半教師付き学習を可能にする。 提案手法は,詐欺指標付き実世界のサプライチェーンデータセットであるDataCo Smart supply Chain Datasetを用いて評価する。 F1スコアは0.817で、偽陽性率は3.0%以下である。 これらの結果は, 実世界の制約下でのサプライチェーン不正検出において, 教師なし事前フィルタリングと半教師付き改質を併用することの有効性と効率を実証するものである。

関連論文リスト

• Contrastive-KAN: A Semi-Supervised Intrusion Detection Framework for Cybersecurity with scarce Labeled Data [0.0]
  Kolmogorov-Arnold Network (KAN) を用いた半教師付きコントラスト学習フレームワークに基づくリアルタイム侵入検知システムを提案する。 本手法は, ラベルのないデータを利用して, 正常な動作と攻撃動作を効果的に識別する。 UNSW-NB15, BoT-IoT, Gas Pipelineの3つのベンチマークデータセットに対して,それぞれ2.20%,1.28%,8%のラベル付きサンプルを使用してアプローチを検証する。
  論文  参考訳（メタデータ） (2025-07-14T21:02:34Z)
• Leveraging Ensemble-Based Semi-Supervised Learning for Illicit Account Detection in Ethereum DeFi Transactions [0.0]
  分散ファイナンス(DeFi)は、不正アカウントの拡散など、重大なセキュリティリスクを導入している。 従来の検出方法は、ラベル付きデータの不足と悪意あるアクターの進化戦略によって制限される。 本稿では,これらの課題に対処するために,自己学習型Illicitアカウント検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-03T12:03:13Z)
• Revisiting Class Imbalance for End-to-end Semi-Supervised Object Detection [1.6249267147413524]
  半教師付きオブジェクト検出(SSOD)は、擬似ラベルに基づくエンドツーエンド手法の開発において大きな進歩を遂げている。 多くの手法は、擬似ラベルジェネレータの有効性を妨げるクラス不均衡のため、課題に直面している。 本稿では,低品質な擬似ラベルの根本原因と,ラベル生成品質を改善するための新しい学習メカニズムについて検討する。
  論文  参考訳（メタデータ） (2023-06-04T06:01:53Z)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Efficient Global Robustness Certification of Neural Networks via Interleaving Twin-Network Encoding [8.173681464694651]
  混合整数線形プログラミング(MILP)問題として、ReLUアクティベーション機能付きニューラルネットワークのグローバルロバスト性認証を定式化する。 我々のアプローチは、ニューラルネットワークの2つのコピーを並べて符号化する、新しいインターリービングツインネットワーク符号化スキームを含む。 クローズドループ制御の安全性検証のケーススタディを行い,本手法の重要性と実用性を実証した。
  論文  参考訳（メタデータ） (2022-03-26T19:23:37Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
  ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。 半教師付き長尾認識という新しい認識設定を提案する。 2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
  論文  参考訳（メタデータ） (2021-05-01T00:43:38Z)

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。