Fugu-MT 論文翻訳(概要): Payroll Fraud Detection in Synthetic HR/ERP Graphs: An Inductive Comparison of Rules, Path Features, and Graph Neural Networks

論文の概要: Payroll Fraud Detection in Synthetic HR/ERP Graphs: An Inductive Comparison of Rules, Path Features, and Graph Neural Networks

arxiv url: http://arxiv.org/abs/2610.41085v1
Date: Thu, 29 Oct 2026 23:53:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:05:31.565594
Title: Payroll Fraud Detection in Synthetic HR/ERP Graphs: An Inductive Comparison of Rules, Path Features, and Graph Neural Networks
Title（参考訳）: 合成HR/ERPグラフにおける収差検出:ルール,パス特徴,グラフニューラルネットワークの帰納的比較
Abstract要約: 給与詐欺のスクリーニングには、正当性に疑わしい関係を区別しながら、隠された従業員と支払い者のリンクを見つける必要がある。我々は、この問題を、合成人材と企業資源計画(HR/ERP)グラフに基づく帰納的リンク予測とエンティティランキングとして定式化する。 24のホールドアウト組織と、将来予想される拡張に関するオリジナルの研究は、アナリストルール、明示的なパス特徴、グラフニューラルネットワーク(GNN)を比較している。
参考スコア（独自算出の注目度）: 12.527950208666091
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Payroll-fraud screening requires finding hidden employee--payee links while distinguishing suspicious relationships from legitimate ones. We formulate this problem as inductive link prediction and entity ranking on synthetic human-resources and enterprise resource planning (HR/ERP) graphs, with unseen organizations and a matched benign twin for every planted case. An original study on 24 held-out organizations and a prospectively frozen extension compare analyst rules, explicit path features and graph neural networks (GNNs). A tuned gradient-boosted model on chained-join features achieved the highest overall link average precision (AP; 0.823), above the GraIL-style GNN (0.663); its 4-hop AP was 0.646 versus 0.272. Thus, the observed multi-hop gain is not specific to GNNs. On a new synthetic cohort with 2.0% positive entities, chained-join boosting again led (AP 0.798); the relational entity GNN also exceeded record-aware rules (0.707 versus 0.504). At a 2% review budget, their precision was 0.695 versus 0.602. Under 40% failed identifier joins, the entity GNN ranked above chained-join boosting (AP 0.712 versus 0.683, descriptively). Structure-only auditing exposed a shortcut in the initial generator; matched twins reduced the audited twin-pool AUROC to 0.493--0.514. These results separate multi-hop candidate discovery, record-based discrimination and review prioritization within an explicit synthetic evaluation design. Code and data are available from the authors on request.
Abstract（参考訳）: 給与詐欺のスクリーニングには、正当性に疑わしい関係を区別しながら、隠された従業員と支払い者のリンクを見つける必要がある。我々は、この問題を、人工人為資源と企業資源計画(HR/ERP)グラフの帰納的リンク予測とエンティティランキングとして定式化し、未確認の組織と、すべての植樹事例に対して一致した良性双生児を配置する。 24のホールドアウト組織と、予想外に凍結された拡張に関する最初の研究は、アナリストルール、明示的なパス特徴、グラフニューラルネットワーク(GNN)を比較した。鎖状接合上の勾配定位モデルは、GraILスタイルのGNN (0.663) よりも高いリンク平均精度 (AP; 0.823) を達成し、4ホップAPは0.272に対して0.646であった。したがって、観測されたマルチホップゲインはGNNに特有ではない。 2.0%の正の物質を持つ新しい合成コホートでは、鎖状結合が再び促進され(AP 0.798)、リレーショナルエンティティのGNNは、記録的なルール(0.707対0.504)を超えた。 2%の審査予算で、その精度は0.695対0.602である。 40%のID結合が失敗し、GNNは上段の連鎖結合促進(AP 0.712対0.683、記述上)をランク付けした。構造限定の監査は初期発電機のショートカットを露呈し、マッチした双子は監査されたツインプールAUROCを0.493--0.514に減らした。これらの結果は、明示的な合成評価設計において、マルチホップ候補の発見、記録に基づく識別、レビュー優先順位付けを分離する。コードとデータは、要求に応じて作者から入手可能だ。

関連論文リスト

Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
論文参考訳（メタデータ） (2026-09-15T00:31:01Z)
AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling [3.8615905456206256]
Solidityスマートコントラクトのための既存の学習ベースの検出は、脆弱性検出を単一関数内のパターンマッチングに還元する。本稿では,グラフニューラルネットワーク(GNN)であるAttackPathGNNを提案する。
論文参考訳（メタデータ） (2026-06-04T10:30:24Z)
SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale [54.70985426016736]
本稿では,スキル間関係を型付き有向グラフとしてモデル化したSkillDAGを提案する。各検索はベクトルマッチング、型付きエッジ隣人、競合信号を返す。 ALFWorldとSkillsBench with MiniMax-M2.7では、SkillDAGは67.1%の成功と27.3%の報酬を得た。
論文参考訳（メタデータ） (2026-06-02T02:45:21Z)
Graph-Augmented Retrieval for Cross-Entity Financial Sentiment Analysis: A Comparative Study [0.0]
本稿では,クロスエンタリティ財務感情分析のための標準ベクトルのみのベースラインに対して,新しい2ホップグラフ-RAGアーキテクチャを提案する。本システムでは,主要技術株を対象とするニュース記事255件から,59件のエクイティエンティティの感情重み付き知識グラフを構築し,INFLUENCESエッジ上での強度フィルタリンググラフによる高密度検索を強化した。
論文参考訳（メタデータ） (2026-05-19T18:55:15Z)
Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback [1.2362187555287152]
ファイナンスにおける予測評価は、ポイント予測エラーに基づく集計精度測定と予測精度テストに依存している。本稿では,中間決定プロセス自体を評価することによって,精度試験を補完する行動予測評価手法を提案する。
論文参考訳（メタデータ） (2026-05-07T06:31:34Z)
Insider Threat Detection Using GCN and Bi-LSTM with Explicit and Implicit Graph Representations [3.294619412118624]
インサイダー脅威検出(ITD)は,信頼されたユーザによる悪意ある行為の微妙で隠された性質のため,課題である。本稿では,明示的かつ暗黙的なグラフ表現と時間的モデリングを統合し,複雑なユーザ行動パターンをキャプチャするポストホックITDフレームワークを提案する。
論文参考訳（メタデータ） (2025-12-20T19:48:35Z)
Semantic Superiority vs. Forensic Efficiency: A Comparative Analysis of Deep Learning and Psycholinguistics for Business Email Compromise Detection [0.0]
ビジネスメール妥協(Business Email Compromise, BEC)は、組織階層を操作する高度な社会工学的脅威である。本稿では、法医学的心理学的ストリーム(CatBoost)とセマンティックストリーム(DistilBERT)の2つの検出パラダイムを対比する。
論文参考訳（メタデータ） (2025-11-26T00:34:46Z)
Automatic sleep stage classification with deep residual networks in a mixed-cohort setting [63.52264764099532]
我々は,大規模コホートの一般化性を評価するために,新しいディープニューラルネットワークモデルを開発した。総合的な分類精度はトレーニングデータの分数を増やして向上した。
論文参考訳（メタデータ） (2020-08-21T10:48:35Z)
Alleviating the Inconsistency Problem of Applying Graph Neural Network to Fraud Detection [78.88163190021798]
不整合問題に対処するために、新しいGNNフレームワークである$mathsfGraphConsis$を導入します。 4つのデータセットの実証分析は、不正検出タスクにおいて不整合の問題が不可欠であることを示唆している。我々はまた、SOTAモデルを実装したGNNベースの不正検出ツールボックスもリリースした。
論文参考訳（メタデータ） (2020-05-01T21:43:58Z)

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。