論文の概要: SCAFDS: Edge-Feature Graph Attention for Interbank Fraud Detection with Attribution-Grounded SAR Generation

• arxiv url: http://arxiv.org/abs/2605.18913v1
• Date: Sun, 17 May 2026 21:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.874046
• Title: SCAFDS: Edge-Feature Graph Attention for Interbank Fraud Detection with Attribution-Grounded SAR Generation
• Title（参考訳）: SCAFDS:Attribution-Grounded SAR 生成による銀行間フラッド検出のためのエッジ機能グラフアテンション
• Authors: Mohammad Nasir Uddin,
• Abstract要約: 米国の金融システムは毎日約130万の銀行間取引を処理している。 レビューされた文献では,不正共起エッジ機能を用いて,銀行間ネットワーク上での不正伝播をモデル化するシステムはない。 本稿では、7段階統合監視パイプラインであるSCAFDS(Systemic Contagion-Aware Fraud Detection System)を紹介する。
• 参考スコア（独自算出の注目度）: 0.40611352512781873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The U.S. financial system processes approximately 1.3 million interbank transactions daily, yet no system in the reviewed literature models fraud propagation across the interbank network using fraud co-occurrence edge features. Prior interbank GNN architectures model credit contagion using credit distress supervision signals, producing systems misaligned for fraud forensics. No existing system generates SAR narratives with per-assertion forensic traceability to specific numerical detection outputs, creating regulatory auditability gaps in FinCEN-submitted reports. This paper introduces SCAFDS (Systemic Contagion-Aware Fraud Detection System), a seven-stage integrated surveillance pipeline addressing five structural limitations of prior art: (1) fraud-specific interbank topology encoding using fraud co-occurrence frequency metrics f(u,v,t) derived from FinCEN SAR registry records; (2) edge-feature-informed graph attention where coefficients are computed from both node representations and fraud co-occurrence edge features; (3) bilinear fraud co-occurrence risk fusion producing institution-level systemic fraud risk scores; (4) attribution-conditioned SAR narrative generation with per-assertion significance thresholds ensuring each FinCEN SAR assertion is traceable to a specific numerical pipeline output; and (5) topology-aware adaptive forensic feedback updating graph attention weights from regulatory dispositions. Experiments on the IEEE-CIS Fraud Detection Dataset (590,540 transactions) and a synthetic FDIC-aligned interbank network (8,103 institutions, 169,800 edges) show SCAFDS achieves AUPRC=0.515+/-0.032 and AUROC=0.802+/-0.018, representing +15.9pp and +13.7pp improvements over GraphSAGE-AML. Partial validation on FDIC enforcement action records (n=4,279) confirms consistent model ranking. USPTO Provisional Patent Application No. 64/061,083, filed May 8, 2026.
• Abstract（参考訳）: 米国の金融システムは毎日約13万件の銀行間取引を処理しているが、レビューされた文献モデルでは不正な共起エッジ機能を使用して銀行間ネットワークをまたがる不正行為の伝播に関するシステムはない。 銀行間GNNアーキテクチャーは、信用危機監視信号を使用して信用感染をモデル化し、不正法医学に不適合なシステムを生成する。 既存のシステムでは、特定の数値検出出力に対してアサーションごとの法定トレーサビリティを持つSAR物語を生成せず、FinCENが提出したレポートに規制監査可能性ギャップを生じさせる。 本稿では,(1)FinCEN SARレジストリレコードから得られた不正共起頻度測定値f(u,v,t)を用いたバンク間トポロジ符号化,(2)ノード表現と不正共起エッジ特徴の両方から係数が計算されるエッジファインフォームドグラフアテンション,(3)ビリニア不正共起リスク融合による機関レベルの不正リスクスコアの生成,(4)アトリビューション条件付きSAR物語生成と,各FinCEN SARが特定のパイプラインにトレース可能であることを保証するアトリビューション値しきい値を持つアトリビューション条件付きSAR物語生成,(5)グラフアテンダインダプティブ・インフォメーション・インテンシデンス・インフォメーション・インテンシデンス・インテンス・インテンデンス・インテンデンス・インテンデンス・インテンデンス・インテンデンス・インテンシティ・インテンデンス・インテンス・インテンダストリート・インダストリート・インダストリート・インダストリート・インダストリートメント,(5)。 IEEE-CIS フラッド検出データセット (590,540トランザクション) と合成FDIC による銀行間ネットワーク (8,103 の機関、169,800エッジ) の実験では、SCAFDS は AUPRC=0.515+/-0.032 と AUROC=0.802+/-0.018 を達成し、+15.9pp と +13.7pp を GraphSAGE-AML よりも改善した。 FDICの執行行動記録(n=4,279)の部分的検証は、一貫したモデルランキングを確認する。 USPTO暫定特許出願番号64/061,083, 2026年5月8日出願。

関連論文リスト

• Label-Free Detection of Governance Evidence Degradation in Risk Decision Systems [0.0]
  不正検出・信用スコアリングにおけるリスク決定システムは、構造ラベルが存在しない状態で運用される。 既存のフレームワークは、ドリフト検出とガバナンスエビデンス評価と運用対応を統合していません。 本稿では,ガバナンスドリフトツールキットのラベルフリーガバナンス監視拡張について述べる。
  論文  参考訳（メタデータ） (2026-04-20T05:46:15Z)
• Explainable Graph Neural Networks for Interbank Contagion Surveillance: A Regulatory-Aligned Framework for the U.S. Banking Sector [0.40611352512781873]
  ST-GATフレームワークは、銀行の早期警戒標識を検出するための説明可能なGNNベースのソリューションとして機能するために開発された。 58四半期のスナップショット(2010Q1-2024Q2)で8,103のFDIC保険機関をモデル化する。 このフレームワークは、すべてのGNNアーキテクチャの中で最も高い AUPRC を達成する。
  論文  参考訳（メタデータ） (2026-04-14T19:07:28Z)
• Fraud Detection System for Banking Transactions [0.0]
  本研究では、PaySim合成金融トランザクションデータセットを利用した機械学習による不正検出フレームワークを提案する。 提案するフレームワークは、FinTechトランザクションシステムにおける不正防止機能を強化する、堅牢でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-09T08:17:27Z)
• 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)
• Heterogeneous Graph Auto-Encoder for CreditCard Fraud Detection [0.7864304771129751]
  本稿では、金融データの異種グラフ表現に注意機構を応用したグラフニューラルネットワーク(GNN)を用いたクレジットカード不正検出手法を提案する。 提案モデルはグラフセージやFI-GRLなどのベンチマークアルゴリズムより優れており、AUC-PRが0.89、F1スコアが0.81である。
  論文  参考訳（メタデータ） (2024-10-10T17:05:27Z)
• Utilizing GANs for Fraud Detection: Model Training with Synthetic Transaction Data [0.0]
  本稿では,GAN(Generative Adversarial Networks)の不正検出への応用について検討する。 GANは複雑なデータ分散のモデリングにおいて有望であり、異常検出のための効果的なツールである。 この研究は、ディープラーニング技術によるトランザクションセキュリティの強化におけるGANの可能性を実証している。
  論文  参考訳（メタデータ） (2024-02-15T09:48:20Z)
• 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)
• ScoreGAN: A Fraud Review Detector based on Multi Task Learning of Regulated GAN with Data Augmentation [50.779498955162644]
  生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。 その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
  論文  参考訳（メタデータ） (2020-06-11T16:15:06Z)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)

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。