論文の概要: Spatio-Temporal Directed Graph Learning for Account Takeover Fraud Detection

• arxiv url: http://arxiv.org/abs/2509.20339v1
• Date: Wed, 24 Sep 2025 17:32:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.923181
• Title: Spatio-Temporal Directed Graph Learning for Account Takeover Fraud Detection
• Title（参考訳）: 取り込み誤り検出のための時空間グラフ学習
• Authors: Mohsen Nayebi Kerdabadi, William Andrew Byron, Xin Sun, Amirfarrokh Iranitalab,
• Abstract要約: ATLASは、時間参照指向セッショングラフ上での時間ノード分類としてATO検出を再構成するフレームワークである。 共有識別子(アカウント、デバイス、IP)を介してエンティティをリンクし、タイムウインドウとリレーシの制約による接続を規制する。 Capital Oneの高リスクデジタル製品では、ATLASはAUCの改善を6.38パーセント、顧客の摩擦を50%以上削減している。
• 参考スコア（独自算出の注目度）: 3.28704804931095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Account Takeover (ATO) fraud poses a significant challenge in consumer banking, requiring high recall under strict latency while minimizing friction for legitimate users. Production systems typically rely on tabular gradient-boosted decision trees (e.g., XGBoost) that score sessions independently, overlooking the relational and temporal structure of online activity that characterizes coordinated attacks and "fraud rings." We introduce ATLAS (Account Takeover Learning Across Spatio-Temporal Directed Graph), a framework that reformulates ATO detection as spatio-temporal node classification on a time-respecting directed session graph. ATLAS links entities via shared identifiers (account, device, IP) and regulates connectivity with time-window and recency constraints, enabling causal, time-respecting message passing and latency-aware label propagation that uses only labels available at scoring time, non-anticipative and leakage-free. We operationalize ATLAS with inductive GraphSAGE variants trained via neighbor sampling, at scale on a sessions graph with more than 100M nodes and around 1B edges. On a high-risk digital product at Capital One, ATLAS delivers 6.38 percent AUC improvement and more than 50 percent reduction in customer friction, improving fraud capture while reducing user friction.
• Abstract（参考訳）: Account Takeover(ATO)詐欺は、消費者銀行において重大な課題となり、厳格なレイテンシの下で高いリコールを必要とすると同時に、正当なユーザの摩擦を最小限に抑える。 プロダクションシステムは一般的に、セッションを個別にスコアする表層的な勾配決定木(例えば、XGBoost)に依存しており、協調攻撃と「詐欺リング」を特徴付けるオンライン活動のリレーショナル構造と時間構造を見渡している。 我々は,ATLAS(Account Takeover Learning Across Spatio-Temporal Directed Graph)を導入し,ATO検出を時-時-時-時-ノード分類として再構成する。 ATLASは、共有識別子(アカウント、デバイス、IP)を介してエンティティをリンクし、タイムウインドウおよびリレーショナル制約との接続を規制し、カソーサル、タイムリスペクションメッセージパッシング、遅延アウェアラベルの伝搬を可能にする。 我々は、100億以上のノードと約1Bのエッジを持つセッショングラフ上で、近隣のサンプリングによって訓練されたインダクティブグラフSAGEでATLASを運用する。 Capital Oneの高リスクデジタル製品では、ATLASはAUCの改善を6.38パーセント、顧客の摩擦を50%以上削減し、不正捕獲を改善し、ユーザーの摩擦を減らす。

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)
• Predict, Cluster, Refine: A Joint Embedding Predictive Self-Supervised Framework for Graph Representation Learning [0.0]
  グラフ表現学習は、ノード分類やリンク予測といったタスクの基盤として登場した。 現在の自己教師付き学習(SSL)手法は、計算の非効率性、対照的な目的への依存、表現の崩壊といった課題に直面している。 本稿では,意味情報と構造情報を保存しながら,対照的な目的と負のサンプリングを排除したグラフSSLのための新しい結合埋め込み予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-02T07:42:45Z)
• ORCHID: Streaming Threat Detection over Versioned Provenance Graphs [11.783370157959968]
  本稿では,リアルタイムイベントストリーム上でプロセスレベルの脅威を詳細に検出する新しいProv-IDSであるORCHIDを提案する。 ORCHIDは、バージョン付き前処理グラフのユニークな不変特性を利用して、グラフ全体を逐次RNNモデルに反復的に埋め込む。 我々は、DARPA TCを含む4つの公開データセット上でORCHIDを評価し、ORCHIDが競合する分類性能を提供できることを示す。
  論文  参考訳（メタデータ） (2024-08-23T19:44:40Z)
• Client Orchestration and Cost-Efficient Joint Optimization for NOMA-Enabled Hierarchical Federated Learning [55.49099125128281]
  半同期クラウドモデルアグリゲーションの下で非直交多重アクセス(NOMA)を実現するHFLシステムを提案する。 提案手法は,HFLの性能改善と総コスト削減に関するベンチマークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-03T13:34:44Z)
• Client-side Gradient Inversion Against Federated Learning from Poisoning [59.74484221875662]
  フェデレートラーニング(FL)により、分散参加者は、データを中央サーバに直接共有することなく、グローバルモデルをトレーニングできる。 近年の研究では、FLは元のトレーニングサンプルの再構築を目的とした勾配反転攻撃(GIA)に弱いことが判明している。 本稿では,クライアント側から起動可能な新たな攻撃手法であるクライアント側中毒性グレーディエント・インバージョン(CGI)を提案する。
  論文  参考訳（メタデータ） (2023-09-14T03:48:27Z)
• StableEmit: Selection Probability Discount for Reducing Emission Latency of Streaming Monotonic Attention ASR [46.69852287267763]
  我々は,MoChAが早期にトークンを発行することを奨励するために,単純なアライメントフリーの正規化手法であるStableEmitを提案する。 以上の結果から,StableEmitは認識誤差と発光遅延を同時に低減することがわかった。
  論文  参考訳（メタデータ） (2021-07-01T17:49:31Z)
• Delay-Tolerant Constrained OCO with Application to Network Resource Allocation [44.67787270821051]
  マルチスロットフィードバック遅延によるオンライン凸最適化(OCO)を検討します。 エージェントは、時間変動凸損失関数の蓄積を最小限に抑えるために、一連のオンライン決定を行う。 情報フィードバックと意思決定の更新の非同期性に取り組むために,二重正規化による新たな制約ペナルティを用いた遅延耐性制約OCOを提案する。
  論文  参考訳（メタデータ） (2021-05-09T19:32:33Z)

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。