論文の概要: Temporal Heterogeneous Graph Transformer for Credit Card Fraud Detection

• arxiv url: http://arxiv.org/abs/2609.07100v1
• Date: Mon, 07 Sep 2026 06:43:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.372749
• Title: Temporal Heterogeneous Graph Transformer for Credit Card Fraud Detection
• Title（参考訳）: クレジットカード不正検出のための時間不均一グラフ変換器
• Abstract要約: 本稿では, フラッド検出のための時間不均一グラフ変換器THGT-FDを提案する。 IEEE-CIS Fraud Detectionデータセットからサンプリングした15万件のトランザクションについて実験を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Credit card fraud detection typically relies on tabular features, while repeated attributes can also provide useful relational signals. This paper proposes THGT-FD, a Temporal Heterogeneous Graph Transformer for Fraud Detection. Each transaction is represented using one transaction token and six types of relation tokens and incorporates Time2Vec encoding into the transaction representation. A Transformer learns the interactions among these tokens within each individual transaction and then outputs a fraud probability. Experiments were conducted on 150,000 transactions sampled from the IEEE-CIS Fraud Detection dataset and chronologically partitioned according to TransactionDT. On the test set, THGT-FD achieved an AUC-ROC of 0.8536, an average precision of 0.4164, and a Recall@5% of 0.4708. The class-weighted histogram-based gradient-boosting baseline achieved an AUC-ROC of 0.8722. The results indicate that relation tokens provide useful information for fraud-risk ranking, although the current model does not yet incorporate entity-level historical aggregation.
• Abstract（参考訳）: クレジットカード詐欺検出は通常、表形式の特徴に依存し、繰り返し属性は有用なリレーショナル信号を提供する。 本稿では, フラッド検出のための時間不均一グラフ変換器THGT-FDを提案する。 各トランザクションは1つのトランザクショントークンと6種類の関係トークンを使用して表現され、トランザクション表現にTime2Vecエンコーディングを組み込む。 Transformerは個々のトランザクション内のトークン間のインタラクションを学習し、不正な確率を出力する。 IEEE-CIS Fraud Detectionデータセットからサンプリングした15万件のトランザクションに対して,TransactionDTに従って時系列的にパーティショニングした。 テストセットでは、THGT-FDはAUC-ROC 0.8536、平均精度 0.4164、Recall@5% 0.4708 を達成した。 AUC-ROCは0.8722。 その結果、関係トークンは詐欺リスクランキングに有用な情報を提供するが、現在のモデルは実体レベルの歴史的集計をまだ含んでいない。

関連論文リスト

• Validation-Stage Combinatorial Fusion Analysis for Imbalanced Credit-Card Fraud Detection [8.713333739961403]
  本稿では, Combinatorial Fusion Analysis (CFA) がIEEE-CIS Fraud Detectionベンチマークに価値を付加できるかどうかを検討する。 CFA は AUC-ROC のソフト投票と一致し、AUPRC と F1 を改善し、この設定では勾配の積み重ねを上回ります。
  論文  参考訳（メタデータ） (2026-06-09T04:14:59Z)
• SCAFDS: Edge-Feature Graph Attention for Interbank Fraud Detection with Attribution-Grounded SAR Generation [0.40611352512781873]
  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。
  論文  参考訳（メタデータ） (2026-05-17T21:04:30Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• RPHunter: Unveiling Rug Pull Schemes in Crypto Token via Code-and-Transaction Fusion Analysis [17.258396879604387]
  Rug Pullの詐欺は暗号通貨に対する永続的な脅威として浮上している。 現在の方法は、コードリスクを検出するために事前に定義されたパターンに依存するか、統計的トランザクションデータを使用して検出モデルをトレーニングする。 我々は,RPHunterを提案する。RPHunterは,ラグプル検出のためのコードとトランザクションを統合する新しい手法である。
  論文  参考訳（メタデータ） (2025-06-23T08:34:15Z)
• Advanced fraud detection using machine learning models: enhancing financial transaction security [0.3370543514515051]
  本研究では、現実世界のデータを用いて、クレジットカード取引異常や不正を検知するエンドツーエンドで機能豊富な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-12T15:59:25Z)
• TransClean: Finding False Positives in Multi-Source Entity Matching under Real-World Conditions via Transitive Consistency [43.06143768014157]
  本研究では,実環境下でのエンティティマッチングアルゴリズムの偽陽性予測手法であるTransCleanを提案する。 TransCleanは、効率的で堅牢で高速な方法で複数のデータソースを操作するように設計されている。 実験の結果,TransCleanはマルチソース環境でのエンティティマッチングにおいて,平均+24.42F1スコアの改善を誘導することがわかった。
  論文  参考訳（メタデータ） (2025-06-04T14:33:41Z)
• Securing Transactions: A Hybrid Dependable Ensemble Machine Learning Model using IHT-LR and Grid Search [2.4374097382908477]
  本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。 実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。 提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-22T09:01:42Z)
• 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)
• Blockchain Large Language Models [65.7726590159576]
  本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。 提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
  論文  参考訳（メタデータ） (2023-04-25T11:56:18Z)
• Iwin: Human-Object Interaction Detection via Transformer with Irregular Windows [57.00864538284686]
  Iwin Transformerは階層型トランスフォーマーで、不規則ウィンドウ内でトークン表現学習とトークン集約を行う。 Iwin Transformerの有効性と効率を,2つの標準HOI検出ベンチマークデータセットで検証した。
  論文  参考訳（メタデータ） (2022-03-20T12:04:50Z)

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。