論文の概要: Bridging Cognitive Neuroscience and Graph Intelligence: Hippocampus-Inspired Multi-View Hypergraph Learning for Web Finance Fraud

• arxiv url: http://arxiv.org/abs/2601.11073v1
• Date: Fri, 16 Jan 2026 08:18:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.403132
• Title: Bridging Cognitive Neuroscience and Graph Intelligence: Hippocampus-Inspired Multi-View Hypergraph Learning for Web Finance Fraud
• Title（参考訳）: 認知神経科学とグラフインテリジェンスの橋渡し:ウェブファイナンスにおけるヒッポカンプスに触発された多視点ハイパーグラフ学習
• Authors: Rongkun Cui, Nana Zhang, Kun Zhu, Qi Zhang,
• Abstract要約: HIMVHはHippocampus-Inspired Multi-View Hypergraph学習モデルである。 海馬のシーンコンフリクトモニタリングの役割にインスパイアされた我々は、横断的な不整合知覚モジュールを設計した。 また,近辺の期待値から特徴偏差を測定する新しいハイパーグラフ学習モジュールも導入した。
• 参考スコア（独自算出の注目度）: 10.498542622240285
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Online financial services constitute an essential component of contemporary web ecosystems, yet their openness introduces substantial exposure to fraud that harms vulnerable users and weakens trust in digital finance. Such threats have become a significant web harm that erodes societal fairness and affects the well being of online communities. However, existing detection methods based on graph neural networks (GNNs) struggle with two persistent challenges: (1) fraud camouflage, where malicious transactions mimic benign behaviors to evade detection, and (2) long-tailed data distributions, which obscure rare but critical fraudulent cases. To fill these gaps, we propose HIMVH, a Hippocampus-Inspired Multi-View Hypergraph learning model for web finance fraud detection. Specifically, drawing inspiration from the scene conflict monitoring role of the hippocampus, we design a cross-view inconsistency perception module that captures subtle discrepancies and behavioral heterogeneity across multiple transaction views. This module enables the model to identify subtle cross-view conflicts for detecting online camouflaged fraudulent behaviors. Furthermore, inspired by the match-mismatch novelty detection mechanism of the CA1 region, we introduce a novelty-aware hypergraph learning module that measures feature deviations from neighborhood expectations and adaptively reweights messages, thereby enhancing sensitivity to online rare fraud patterns in the long-tailed settings. Extensive experiments on six web-based financial fraud datasets demonstrate that HIMVH achieves 6.42\% improvement in AUC, 9.74\% in F1 and 39.14\% in AP on average over 15 SOTA models.
• Abstract（参考訳）: オンライン金融サービスは、現代のウェブエコシステムにおいて不可欠な要素であるが、その開放性は、脆弱なユーザーを害し、デジタルファイナンスに対する信頼を弱める不正行為にかなりの影響をもたらす。 このような脅威は、社会的公正性を損なう重要なWeb害となり、オンラインコミュニティの健全性に影響を与える。 しかし,グラフニューラルネットワーク (GNN) に基づく既存の検出手法では,(1)不正取引が不正行為を模倣して回避する詐欺カモフラージュ,(2)稀だが重大な不正事件である長期データ分布の2つの難問に対処している。 これらのギャップを埋めるために、Webファイナンス不正検出のためのHippocampus-Inspired Multi-View Hypergraph学習モデルHIMVHを提案する。 具体的には、海馬のシーンコンフリクト監視の役割からインスピレーションを得て、複数のトランザクションビューにまたがる微妙な相違や振る舞いの不均一性を捉える、横断的な不整合知覚モジュールを設計する。 このモジュールは、オンラインカモフラージュされた不正行為を検出するために、微妙なクロスビュー競合を識別することを可能にする。 さらに,CA1領域のマッチミスマッチ・ノベルティ検出機構に着想を得て,近辺の期待値から特徴偏差を計測し,適応的にメッセージを再重み付けし,長期化環境でのオンライン・レア・不正パターンに対する感度を高める新しいハイパーグラフ学習モジュールを導入する。 6つのWebベースの金融詐欺データセットに対する大規模な実験は、HIMVHがAUCで6.42倍、F1で9.74倍、APで39.14倍、平均15SOTAモデルで6.42倍の改善を達成したことを示している。

関連論文リスト

• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Detecting Credit Card Fraud via Heterogeneous Graph Neural Networks with Graph Attention [2.7002727600755883]
  異種グラフニューラルネットワーク(HGNN)を用いたクレジットカード不正検出手法を提案する。 グラフニューラルネットワークを活用することで、モデルは高次のトランザクション関係をキャプチャする。 このモデルは精度とOC-ROCの両方において顕著な改善を達成している。
  論文  参考訳（メタデータ） (2025-04-11T00:53:53Z)
• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• TI-PREGO: Chain of Thought and In-Context Learning for Online Mistake Detection in PRocedural EGOcentric Videos [48.126793563151715]
  オンラインのオープンセットの手続きミスを効果的に検出する技術はない。 1つのブランチは、入力されたエゴセントリックビデオからステップ認識を連続的に行う。 もう1つは、認識モジュールの出力に基づいて将来のステップを予測します。
  論文  参考訳（メタデータ） (2024-11-04T20:03:06Z)
• Dynamic Fraud Detection: Integrating Reinforcement Learning into Graph Neural Networks [39.54354926067617]
  グラフニューラルネットワークは、グラフ構造内の対話的関係を利用することができるディープラーニングモデルの一種である。 不正行為は取引のごく一部に過ぎません 詐欺師はしばしば 行動を偽装する 最終予測結果に 悪影響を及ぼす可能性がある
  論文  参考訳（メタデータ） (2024-09-15T23:08:31Z)
• 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)
• 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)
• A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
  本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。 ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
  論文  参考訳（メタデータ） (2020-02-28T10:35:25Z)

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。