論文の概要: A Dual-Path Generative Framework for Zero-Day Fraud Detection in Banking Systems

• arxiv url: http://arxiv.org/abs/2603.13237v1
• Date: Tue, 17 Feb 2026 10:20:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.216873
• Title: A Dual-Path Generative Framework for Zero-Day Fraud Detection in Banking Systems
• Title（参考訳）: 銀行システムにおけるゼロデイフラッド検出のためのデュアルパス生成フレームワーク
• Authors: Nasim Abdirahman Ismail, Enis Karaarslan,
• Abstract要約: 高周波銀行環境は、低遅延詐欺検出と規制説明可能性の間に重要なトレードオフに直面している。 伝統的な規則に基づく差別的モデルは、過度の階級不均衡と歴史的な前例の欠如のために「ゼロデイ」攻撃に苦しむ。 本稿では,オフライン学習からリアルタイムな異常検出を分離するデュアルパス生成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.2864713389096699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-frequency banking environments face a critical trade-off between low-latency fraud detection and the regulatory explainability demanded by GDPR. Traditional rule-based and discriminative models struggle with "zero-day" attacks due to extreme class imbalance and the lack of historical precedents. This paper proposes a Dual-Path Generative Framework that decouples real-time anomaly detection from offline adversarial training. The architecture employs a Variational Autoencoder (VAE) to establish a legitimate transaction manifold based on reconstruction error, ensuring <50ms inference latency. In parallel, an asynchronous Wasserstein GAN with Gradient Penalty (WGAN-GP) synthesizes high-entropy fraudulent scenarios to stress-test the detection boundaries. Crucially, to address the non-differentiability of discrete banking data (e.g., Merchant Category Codes), we integrate a Gumbel-Softmax estimator. Furthermore, we introduce a trigger-based explainability mechanism where SHAP (Shapley Additive Explanations) is activated only for high-uncertainty transactions, reconciling the computational cost of XAI with real-time throughput requirements.
• Abstract（参考訳）: 高周波銀行環境は、低遅延不正検出とGDPRが要求する規制説明可能性との間に重要なトレードオフに直面している。 伝統的な規則に基づく差別的モデルは、過度の階級不均衡と歴史的な前例の欠如のために「ゼロデイ」攻撃に苦しむ。 本稿では,オフライン学習からリアルタイムな異常検出を分離するデュアルパス生成フレームワークを提案する。 このアーキテクチャは、リコンストラクションエラーに基づいた正当なトランザクション多様体を確立するために、変分オートエンコーダ(VAE)を用いており、50msの推論遅延を保証している。 並行して、グラディエントペナルティ(WGAN-GP)を持つ非同期ワッサースタインGANは、高エントロピー不正シナリオを合成し、検出境界をストレステストする。 重要なことに、個別の銀行データ(例えば、Merchant Category Codes)の非微分可能性に対処するために、Gumbel-Softmax推定器を統合する。 さらに,SHAP(Shapley Additive Explanations)を高不確実性トランザクションのみに有効化するトリガベースの説明可能性機構を導入し,XAIの計算コストをリアルタイムスループット要求と整合させる。

関連論文リスト

• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• Scalable and Reliable State-Aware Inference of High-Impact N-k Contingencies [4.588028371034407]
  ACパワーフローやACOPFによる全機能停止組合せの排他的評価は日常的な操作では不可能である。 本稿では,高インパクトな$N!-k$の停止シナリオを直接生成するように設計された,スケーラブルでステートアウェアな並行性推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-10T06:55:59Z)
• Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain [4.254924788681319]
  我々は制約を調和させるハイブリッド検証プロトコルであるOptimistic TEE-Rollups (OTR)を紹介する。 OTRは集中ベースラインのスループットの99%を達成している。
  論文  参考訳（メタデータ） (2025-12-23T09:16:41Z)
• Ensemble of Precision-Recall Curve (PRC) Classification Trees with Autoencoders [3.060720241524644]
  異常検出は、ネットワークセキュリティ、侵入検出、不正防止といった重要な応用を支えている。 前者に対抗するため、我々は以前にPrecision-Recall Curve(PRC)分類木とそのアンサンブル拡張であるPRC-RF(PRCランダムフォレスト)を導入した。 そこで本研究では,PRC-RFを自動エンコーダと統合するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-06T16:39:22Z)
• HyPV-LEAD: Proactive Early-Warning of Cryptocurrency Anomalies through Data-Driven Structural-Temporal Modeling [0.0]
  異常な暗号通貨取引は、金融の整合性にリスクをエスカレートさせる。 既存のアプローチは主にモデル中心であり、ポストホックである。 本稿では,データ駆動早期警告フレームワークHyPV-LEADを紹介する。
  論文  参考訳（メタデータ） (2025-09-03T12:23:38Z)
• Detecting Financial Fraud with Hybrid Deep Learning: A Mix-of-Experts Approach to Sequential and Anomalous Patterns [0.0]
  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。
  論文  参考訳（メタデータ） (2025-04-01T20:47:18Z)
• 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)
• IBP Regularization for Verified Adversarial Robustness via Branch-and-Bound [85.6899802468343]
  IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。 また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
  論文  参考訳（メタデータ） (2022-06-29T17:13:25Z)

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。