論文の概要: Fraud Type Decomposition and the Observation-Mechanism Taxonomy:Class-Specific Detection Limits in Payment Networks
- arxiv url: http://arxiv.org/abs/2605.31257v1
- Date: Fri, 29 May 2026 12:53:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.615521
- Title: Fraud Type Decomposition and the Observation-Mechanism Taxonomy:Class-Specific Detection Limits in Payment Networks
- Title（参考訳）: フラッド型分解と観察・機械分類:支払いネットワークにおけるクラス別検出限界
- Abstract要約: 我々は、不正を5つのクラスに分け、それぞれが独自の検閲とラベル付けパイプラインによって定義される観察・機械分類を導入する。
クラス別とアグリゲーション別で不正率を推定することは、プール推定を厳格に上回っていることを証明している。
各クラスに対して、内因性ラベルの破損、構造的非可観測性、特徴的非情報性を含む検出に対する結合理論的制約を導出する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Fraud detection in payment networks relies on labels generated through heterogeneous and imperfect observation processes, yet existing approaches treat fraud as a homogeneous binary variable. We show that this assumption is structurally incorrect and leads to provable inefficiency. We introduce an observation-mechanism taxonomy that partitions fraud into five classes, each defined by a distinct censorship and labeling pipeline. We prove that estimating fraud rates separately by class and aggregating strictly dominates pooled estimation, with the efficiency gap characterized as a Jensen penalty arising from heterogeneous observation rates. For each class, we derive the binding theoretical constraint on detection, including endogenous label corruption, structural non-observability, and feature non-informativeness. These results establish that fraud detection is fundamentally a collection of distinct estimation problems, each governed by its own observation structure and detection limit.
- Abstract（参考訳）: 決済ネットワークにおける不正検出は、不均一な観測プロセスを通じて生成されたラベルに依存するが、既存の手法では不正を均質なバイナリ変数として扱う。
この仮定は構造的に誤りであり、証明可能な非効率性をもたらすことを示す。
我々は、不正を5つのクラスに分け、それぞれが独自の検閲とラベル付けパイプラインによって定義される観察・機械分類を導入する。
不均一な観察率から生じるJensenペナルティを特徴とする効率ギャップを特徴とし,クラス別とアグリゲーション別に不正率を推定することがプール推定を厳密に支配していることを証明した。
各クラスに対して、内因性ラベルの破損、構造的非可観測性、特徴的非情報性を含む検出に対する結合理論的制約を導出する。
これらの結果から,不正検出は基本的には,それぞれが独自の観測構造と検出限界によって支配される,異なる推定問題の集合であることが明らかとなった。
関連論文リスト
- Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning [0.0]
エージェントAIシステムは、生物学的、臨床的、財務的な文脈で定期的に結論を伝達する。
局所的検証の新たなセーフガードは構造的に不完全であることを示す。
不均一な精度で歪みを定量化し、正確性を復元する精密な白紙形状を提供する。
論文 参考訳（メタデータ） (2026-08-04T21:09:50Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - Phenotyping TPF via Self-Supervised Learning: A Label-Agnostic Framework with Expert Validation [2.201241345037463]
我々は、観測者指定のラベルなしで、画像データから直接フラクチャー表現を学習するためのラベルに依存しないフレームワークを設計、実装、検証する。
RadImageNet-pretrained ResNet-50 encoderは154個の膝X線写真に微調整されている。
ラベルに依存しないSSL表現は,従来の分類を再現し,臨床的に解釈可能な補完であることを示す。
論文 参考訳（メタデータ） (2026-06-15T21:04:31Z) - The Payment Heterogeneity Index: An Integrated Unsupervised Framework for High-Volume Procurement Oversight and Decision Support [0.0]
本稿では,1次元サンプルの複合統計量である構造異質度指数(SHI)とその支払い固有インスタンス化である支払い異質度指数(PHI)を紹介する。
4つの解釈可能な成分(モジュラリティ、非対称性、尾の挙動、構造的分散)が組み込まれている。
英国の自治体の調達データに適用されるPHIは、構造的に異なる支払いパターンを持つ経済的に重要なコホートを識別する。
論文 参考訳（メタデータ） (2026-05-09T20:59:29Z) - Evidence Sufficiency Under Delayed Ground Truth: Proxy Monitoring for Risk Decision Systems [0.0]
本稿では,4次元(完全性,新鮮性,信頼性,代表性)と意思決定対応ゲートを備えたエビデンスモデルの定式化を行う。
補完的なプロキシインジケータフレームワークは、ラベルなしで十分劣化を推定する。
このフレームワークは、ガバナンスの十分な監視手段に貢献している。
論文 参考訳（メタデータ） (2026-04-17T06:30:11Z) - INTACT: Intent-Aware Representation Learning for Cryptographic Traffic Violation Detection [0.0]
INTACT (INTent-Aware Cryptographic Traffic) は、条件付き制約学習として違反検出を改定するポリシー付きフレームワークである。
実世界のネットワークフローデータセットと210,000トレースの合成マルチインテント暗号データセットについて,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-02-22T07:38:46Z) - Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。
自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。
構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
論文 参考訳（メタデータ） (2025-11-10T15:48:50Z) - 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) - Revisiting Non-separable Binary Classification and its Applications in Anomaly Detection [10.031370250511207]
XOR の線形分類が可能であることを示す。
我々は、SVMの目的に適合し、マージン内または外にあるデータを識別する等分性分離を提案する。
分類器はスムーズな近似でニューラルネットワークパイプラインに統合できる。
論文 参考訳（メタデータ） (2023-12-03T23:59:03Z) - Resolving label uncertainty with implicit posterior models [71.62113762278963]
本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。
異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
論文 参考訳（メタデータ） (2022-02-28T18:09:44Z) - Nested Counterfactual Identification from Arbitrary Surrogate
Experiments [95.48089725859298]
観測と実験の任意の組み合わせからネスト反事実の同定について検討した。
具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
論文 参考訳（メタデータ） (2021-07-07T12:51:04Z) - Exploiting Sample Uncertainty for Domain Adaptive Person
Re-Identification [137.9939571408506]
各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。
不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
論文 参考訳（メタデータ） (2020-12-16T04:09:04Z)
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。