論文の概要: TSAI-MetaFraud: A Benchmark Dataset for Financial Fraud Transaction and Behavioral Risk Detection in Metaverse Ecosystems

• arxiv url: http://arxiv.org/abs/2607.09528v1
• Date: Fri, 10 Jul 2026 15:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.454029
• Title: TSAI-MetaFraud: A Benchmark Dataset for Financial Fraud Transaction and Behavioral Risk Detection in Metaverse Ecosystems
• Title（参考訳）: TSAI-MetaFraud: メタバース生態系における金融不正取引と行動リスク検出のためのベンチマークデータセット
• Abstract要約: TSAI-MetaFraudは、仮想経済における不正分析のためのマルチタスクベンチマークデータセットである。 本稿では,トランザクション不正検出,クロスモーダルノード分類,時間的リンク予測,弱教師付き不正検出などのベンチマークタスクを定義する。 機械学習モデルとグラフニューラルネットワークを用いてベースライン評価を行う。
• 参考スコア（独自算出の注目度）: 1.7281573530896264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The emergence of metaverse platforms has created virtual economies that introduce new challenges related to fraud, bot activity, and illicit financial behavior. Despite growing interest in trustworthy metaverse analytics, existing datasets typically focus on user behavior, authentication, or financial transactions in isolation, limiting the development and reproducible evaluation of multimodal fraud detection methods. To address this gap, we present TSAI-MetaFraud, a multimodal, multi-task benchmark dataset for fraud analytics in virtual economies. TSAI-MetaFraud integrates behavioral, transactional, and graph-structured information while incorporating realistic fraud and automated bot scenarios. We define benchmark tasks including transaction fraud detection, cross-modal node classification, temporal link prediction, and weakly supervised fraud detection, and provide baseline evaluations using machine learning models and graph neural networks. By jointly capturing behavioral activity, financial interactions, and relational structure within a unified virtual economy, TSAI-MetaFraud provides a benchmark for advancing multimodal learning, graph mining, fraud analytics, and trustworthy AI in emerging metaverse ecosystems.
• Abstract（参考訳）: メタバースプラットフォームの出現は、詐欺、ボット活動、不正な財務行動に関連する新たな課題をもたらすバーチャルエコノミーを生み出した。 信頼に値するメタバース分析への関心が高まっているにもかかわらず、既存のデータセットは、通常、ユーザー行動、認証、金融取引を分離して、マルチモーダル不正検出方法の開発と再現可能な評価を制限することに重点を置いている。 このギャップに対処するため、仮想経済における不正分析のためのマルチモーダルマルチタスクベンチマークデータセットTSAI-MetaFraudを提案する。 TSAI-MetaFraudは、現実的な詐欺や自動化ボットシナリオを取り入れながら、行動情報、トランザクション情報、グラフ構造化情報を統合する。 本稿では,トランザクション不正検出,クロスモーダルノード分類,時間的リンク予測,弱教師付き不正検出などのベンチマークタスクを定義し,機械学習モデルとグラフニューラルネットワークを用いたベースライン評価を行う。 TSAI-MetaFraudは、統合されたバーチャルエコノミー内での行動活動、金融相互作用、リレーショナル構造を共同でキャプチャすることで、新興メタバースエコシステムにおけるマルチモーダル学習、グラフマイニング、不正分析、信頼できるAIの進化のためのベンチマークを提供する。

関連論文リスト

• From Accuracy to Auditability: A Survey of Determinism in Financial AI Systems [16.784964226963744]
  規制された金融環境における機械学習は、アルゴリズムの脆弱性に重大な脆弱性を露呈する。 ディープニューラルネットワークと生成AIは、ハードウェアとアーキテクチャに根ざした機械的非決定性を導入している。 この調査は、現在金融AIを支配している3つのモダリティにわたる障害に関するシステム視点を提供する。
  論文  参考訳（メタデータ） (2026-05-11T17:46:38Z)
• Hybrid LSTM-Graph Neural Framework for Robust Financial Fraud Detection and Adversarial Resilience [0.0]
  本稿では,Long Short-Term Memory(LSTM)ネットワークと手作りグラフトポロジカル特徴を統合するハイブリッドフレームワークであるFraudShield AIを提案する。 クラス不均衡に対処するためにFocal Lossの目的が使用され、低値のスマーフィング攻撃に対するレジリエンスを改善するために動的しきい値設定機構が導入されている。
  論文  参考訳（メタデータ） (2026-05-02T02:10:20Z)
• 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)
• Non-Intrusive Graph-Based Bot Detection for E-Commerce Using Inductive Graph Neural Networks [4.230025065044209]
  悪意のあるボットは、データをスクラップし、在庫を盗み、詐欺行為を繰り返すことで、Eコマースプラットフォームへの脅威が増大する。 IPブラックリストやCAPTCHAベースの課題など、従来のボットの緩和技術は、ますます非効率あるいは侵入的になっている。 本研究は,ユーザセッションの振る舞いをグラフ表現を通じてモデル化するEコマースのための非侵襲的なグラフベースボット検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T05:21:32Z)
• 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)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• Enhancing Illicit Activity Detection using XAI: A Multimodal Graph-LLM Framework [3.660182910533372]
  我々は、金融サイバー犯罪検出において、XAIに対処する、最先端で新しいマルチモーダル・プロアクティブアプローチを提案する。 トランザクションシークエンシング、サブグラフ接続、物語生成から本質的な表現を抽出するために設計された3つのディープラーニングモデルを活用する。
  論文  参考訳（メタデータ） (2023-10-20T19:33:44Z)
• 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)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
  確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
  論文  参考訳（メタデータ） (2023-02-02T13:41:18Z)
• 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)

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。