論文の概要: CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection

• arxiv url: http://arxiv.org/abs/2605.20032v1
• Date: Tue, 19 May 2026 15:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.501606
• Title: CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection
• Title（参考訳）: CAMERA: 教師なしテキスト分散グラフフラッド検出における意味的カモフラージュへの適応
• Authors: Junjun Pan, Yixin Liu, Yu Zheng, Lianhua Chi, Alan Wee-Chung Liew, Shirui Pan,
• Abstract要約: 非教師型TAGFDのためのケース適応型マルチキューエキスパートFRAmework(CAMERA)を提案する。 文脈インフォームドゲーティングモデルを導入し,エゴノード表現とその近傍コンテキストを共同で検討する。 4つの挑戦的なデータセットの実験は、CAMERAが一貫してライバルを上回っていることを示している。
• 参考スコア（独自算出の注目度）: 59.67216074776147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-attributed graph fraud detection (TAGFD) plays a critical role in preventing fraudulent activities on online social and e-commerce platforms. However, to evade detection, fraudsters continuously evolve their camouflaging strategies by deliberately mimicking textual responses of benign users, thereby concealing their malicious purposes. This phenomenon, referred to as semantic camouflage, fundamentally undermines commonly relied assumptions on how structural and attribute cues can be exploited to identify fraudsters, and makes it difficult to spot fraudsters with unsupervised TAGFD. To bridge the gaps, we propose a Case-Adaptive Multi-cue Expert fRAmework (CAMERA) for unsupervised TAGFD. CAMERA employs an ego-decoupled mixture-of-experts architecture, where each expert specializes in modeling a distinct type of fraud-indicative cue. A context-informed gating model is introduced to jointly consider the ego node representation and its local neighborhood context for adaptive integration of cues learned by different experts. Furthermore, CAMERA leverages the inherent rarity of fraudsters to support unsupervised one-class learning with expert-level objectives that encourage modeling dominant benign patterns, thereby enabling reliable unsupervised detection of camouflaged fraudsters. Experiments on 4 challenging datasets show that CAMERA consistently outperforms competitors, showing its effectiveness against semantically camouflaged fraudsters. Code available at https://github.com/CampanulaBells/CAMERA
• Abstract（参考訳）: テキスト分散グラフ不正検出(TAGFD)は,オンラインソーシャルおよびeコマースプラットフォームにおける不正行為の防止に重要な役割を果たす。 しかし、検出を避けるため、詐欺師は故意に良質なユーザのテキスト応答を模倣し、悪意のある目的を隠蔽することで、偽造戦略を継続的に進化させる。 この現象はセマンティック・カモフラージュ(semantic camouflage)と呼ばれ、基本的には、構造的および属性的手がかりが詐欺師を識別するためにどのように悪用されるかという、一般的な仮定を損なうものであり、教師なしTAGFDによる詐欺師の発見を困難にしている。 このギャップを埋めるために,教師なしTAGFDのためのCase-Adaptive Multi-cue Expert fRAmework (CAMERA)を提案する。 CAMERAはEgo-decoupled Mixed-of-expertsアーキテクチャを採用している。 異なる専門家が学習したキューの適応的統合のために,エゴノード表現とその周辺コンテキストを共同で検討するために,文脈情報ゲーティングモデルを導入する。 さらに、CAMERAは詐欺師の本質的な希少性を活用し、支配的な良性パターンのモデリングを促進する専門家レベルの目的で教師なし一流学習を支援することにより、偽造詐欺師の信頼性の高い教師なし検出を可能にする。 4つの挑戦的なデータセットの実験では、CAMERAは競争相手よりも一貫して優れており、意味論的に偽造された詐欺師に対する効果を示している。 code available at https://github.com/CampanulaBells/CAMERA

関連論文リスト

• Bridging Cognitive Neuroscience and Graph Intelligence: Hippocampus-Inspired Multi-View Hypergraph Learning for Web Finance Fraud [10.498542622240285]
  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。
  論文  参考訳（メタデータ） (2026-01-16T08:18:23Z)
• Grad: Guided Relation Diffusion Generation for Graph Augmentation in Graph Fraud Detection [34.04981707677924]
  詐欺師は、プラットフォームが収集した行動データを模倣して変装する。 これにより、プラットフォームのデータベース内の良質なユーザと行動特性の違いを狭めることができる。 この問題に対処するため,関係拡散に基づくグラフ拡張モデルGradを提案する。
  論文  参考訳（メタデータ） (2025-12-19T23:32:36Z)
• ForensicsSAM: Toward Robust and Unified Image Forgery Detection and Localization Resisting to Adversarial Attack [56.0056378072843]
  高い転送性を持つ逆画像は上流モデルでのみ作成可能であることを示す。 本稿では,IFDLフレームワークを組み込んだForensicsSAMを提案する。
  論文  参考訳（メタデータ） (2025-08-10T16:03:44Z)
• 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)
• SEFraud: Graph-based Self-Explainable Fraud Detection via Interpretative Mask Learning [19.774363067972725]
  グラフベースの不正検出は、スパムレビューや悪意のあるアカウント検出など、現代の業界シナリオで広く適用されている。 これまでの研究は、GNNExplainerのようなポストホックな説明手法を使って、特定のインスタンスの説明を作成しようとしてきた。 グラフに基づく自己説明可能な不正検出フレームワークSEFraudを提案する。
  論文  参考訳（メタデータ） (2024-06-17T10:18:53Z)
• Improving Fraud detection via Hierarchical Attention-based Graph Neural Network [6.7713383844867385]
  不正検出のためのグラフニューラルネットワーク(HA-GNN)は、カモフラージュに対する異なる関係にわたって重み付けされた隣接行列を組み込む。 ローカル/ロングレンジ構造と元のノード特徴から情報を集約してノード埋め込みを生成する。 実世界の3つのデータセットの実験は、最先端技術に対する我々のモデルの有効性を実証している。
  論文  参考訳（メタデータ） (2022-02-12T16:27:16Z)
• Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation [93.83369981759996]
  本稿では,自己監督同変注意機構(SEAM)を提案する。 本手法は,完全教師付きセマンティックセグメンテーションにおいて,同値が暗黙の制約であることを示す。 本稿では,ネットワーク学習のための自己スーパービジョンを提供するために,様々な変換画像から予測されたCAMの整合性正則化を提案する。
  論文  参考訳（メタデータ） (2020-04-09T14:57:57Z)

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。