使用GNN-CL模型的高级金融欺诈检测
机器学习
2024-07-10 v1 统计金融
摘要
本文提出的创新性GNN-CL模型通过协同结合图神经网络（GNN）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，标志着金融欺诈检测领域的突破。这种融合能够对复杂的交易模式进行多层面分析，提高检测准确性和对复杂欺诈活动的鲁棒性。本文的一个关键创新是使用多层感知器（MLP）来估计节点相似性，有效过滤可能导致误报的邻域噪声。这种智能净化机制确保只考虑最相关的信息，从而提升模型对网络结构的理解。特征弱化常常困扰基于图的模型，这是由于关键信号的稀释。为了进一步解决特征弱化的挑战，GNN-CL采用了强化学习策略。通过动态调整分配给中心节点的权重，它强化了这些有影响力实体的重要性，以便即使在信息量较少的数据中也能保留欺诈的重要线索。在Yelp数据集上的实验评估表明，结果凸显了GNN-CL相较于现有方法的优越性能。
引用
@article{arxiv.2407.06529,
title = {Advanced Financial Fraud Detection Using GNN-CL Model},
author = {Yu Cheng and Junjie Guo and Shiqing Long and You Wu and Mengfang Sun and Rong Zhang},
journal= {arXiv preprint arXiv:2407.06529},
year = {2024}
}