論文の概要: Reconstructing Fraudulent Strategies in Online Payments via Interpretable Inverse Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2611.04819v1
• Date: Tue, 03 Nov 2026 12:47:17 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:34:26.286537
• Title: Reconstructing Fraudulent Strategies in Online Payments via Interpretable Inverse Reinforcement Learning
• Title（参考訳）: 解釈型逆強化学習によるオンライン支払いにおけるフラデュレント戦略の再構築
• Abstract要約: PaySeqGenは、詐欺師の観察された支払い軌跡から不正行為ポリシーを再構築する逆強化学習フレームワークである。 報酬学習と政策最適化を交互に組み合わせることで、検出器拡張のための新しい不正シーケンスを生成するポリシーを再構築する。 先進的なグローバルデジタル決済プロバイダであるAnt Internationalでの実際の支払いシナリオの実験では、PaySeqGenが最先端のジェネレーティブ拡張メソッドを上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 21.65246381208499
• License:
• Abstract: Payment fraud causes financial losses and undermines users' trust in web payment services. Although fraud detection is a critical defense for payment security, complex and diverse fraudulent behaviors can still evade detection. Generating fraud samples for data augmentation can broaden detectors' coverage of different fraud patterns. However, existing methods matching the distribution of transaction attributes alone do not ensure that generated sequences preserve the sequential relationships among transaction choices, payment feedback, and subsequent behavioral adjustments. To this end, we propose PaySeqGen, an interpretable inverse reinforcement learning framework that reconstructs fraud behavior policies from fraudsters' observed payment trajectories. We design a mechanism for constructing candidate actions to support plausible payment sequence generation while enabling exploration. The framework also learns interpretable behavioral rewards that capture fraudsters' preferences across different transaction contexts. By alternating between reward learning and policy optimization, the framework reconstructs policies that generate new fraud sequences for detector augmentation and learns interpretable rewards supporting sequential fraud-pattern analysis in real trajectories. Experiments in real-world payment scenarios at Ant International, a leading global digital payment provider, show that PaySeqGen outperforms state-of-the-art generative augmentation methods. Reward-based trajectory analysis also identifies fraud patterns of practical value, helping analyst locating suspicious segments and examine multistep fraud tactics. Evaluation in the deployed system of online payment further confirms its effectiveness.
• Abstract（参考訳）: 支払い詐欺は金銭的損失を引き起こし、ウェブ決済サービスに対するユーザの信頼を損なう。 不正検出は支払いのセキュリティにとって重要な防御手段であるが、複雑で多様な不正行為は検出を回避できる。 データ拡張のための不正サンプルの生成は、検出者の異なる不正パターンのカバレッジを広げる可能性がある。 しかし、トランザクション属性の分布に一致した既存の方法は、生成されたシーケンスがトランザクション選択、支払いフィードバック、その後の行動調整の間のシーケンシャルな関係を保存することを保証しません。 そこで本研究では,詐欺師の観察した支払い経路から不正行為ポリシーを再構築する,解釈可能な逆強化学習フレームワークであるPaySeqGenを提案する。 我々は、探索を可能にしつつ、妥当な支払シーケンス生成を支援するための候補行動を構築するメカニズムを設計する。 フレームワークはまた、さまざまなトランザクションコンテキストで詐欺師の好みを捉える、解釈可能な行動報酬も学習する。 報奨学習と政策最適化の交替により、検出器増強のための新たな不正シーケンスを生成するポリシーを再構築し、実軌道における逐次不正パターン解析を支援する解釈可能な報酬を学習する。 先進的なグローバルデジタル決済プロバイダであるAnt Internationalでの実際の支払いシナリオの実験では、PaySeqGenが最先端のジェネレーティブ拡張メソッドを上回っていることが示されている。 Reward-based trajectory analysis は、分析者が疑わしい部分を見つけ出し、多段階の不正行為を調べるのに役立ち、実用価値の詐欺パターンを識別する。 オンライン決済の展開システムにおける評価は、その有効性をさらに確認する。

関連論文リスト

• SR-Fraud: An Outcome-Supervised Reflective LLM Agent Framework for Non-Stationary Payment Fraud Detection [17.04809129025246]
  リアルタイム支払い不正検出は、非定常的なストリーミング予測問題である。 SR-Fraudは、オフライン適応から要求時決定を分離するフレームワークである。 SR-Fraudは、本番の支払いフローベンチマークで、凍結決定エージェントに対するすべての検出指標を改善している。
  論文  参考訳（メタデータ） (2026-09-23T03:25:08Z)
• TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
  ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。 本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
  論文  参考訳（メタデータ） (2026-06-04T07:15:43Z)
• 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)
• SAFE-QAQ: End-to-End Slow-Thinking Audio-Text Fraud Detection via Reinforcement Learning [52.29460857893198]
  既存の不正検出方法は、書き起こされたテキストに依存しており、ASRのエラーや、声調や環境条件のような重要な音響的手がかりが欠けている。 音声に基づくスロー思考詐欺検出のためのエンドツーエンド包括的フレームワークSAFE-QAQを提案する。 本フレームワークは,ライブコール中に動的リスクアセスメントフレームワークを導入し,不正の早期検出と防止を可能にする。
  論文  参考訳（メタデータ） (2026-01-04T06:09:07Z)
• 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)
• Generative Pretraining at Scale: Transformer-Based Encoding of Transactional Behavior for Fraud Detection [0.0]
  我々のモデルはトークンの爆発に直面し、行動列を再構築し、トランザクションの振る舞いの微妙な理解を提供する。 我々は、中国最大のオンライン決済業者のセキュリティと有効性を活性化し、異常検出を強化するために、差分畳み込みアプローチを統合する。
  論文  参考訳（メタデータ） (2023-12-22T03:15:17Z)
• 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)
• Application of Deep Reinforcement Learning to Payment Fraud [0.0]
  典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。 このような定式化は準最適解につながると我々は主張する。 我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
  論文  参考訳（メタデータ） (2021-12-08T11:30:53Z)

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。