网络中的异常检测及其在金融交易网络中的应用
应用统计
2019-05-28 v2 社会与信息网络
物理与社会
摘要
本文的动机是检测金融交易网络中的异常，其中账户作为节点，两个节点之间的有向加权边表示资金转账。边的权重即为交易金额。网络中异常的例子包括大额交易金额的长路径、大额支付的环路以及账户的团。现有许多方法可以检测网络中的此类特定结构。在此，我们引入一种能够检测网络中先前未指定的异常的方法。该方法结合了来自网络比较、谱分析以及局部统计的特征，共产生 140 个主要特征。随后，我们使用简单的特征求和方法以及随机森林方法，将节点分类为正常或异常。我们首先在我们生成的合成网络上测试该方法，其次在一组方法团队无法获取真实标签的合成网络上进行测试。第一组合成网络被拆分为 70% 的训练集和 30% 的测试集。然后将得到的分类器应用于第二组合成网络。我们将我们的方法与 Oddball（一种广泛使用的网络异常检测方法）以及随机分类进行比较。虽然 Oddball 优于随机分类，但我们的特征求和方法和随机森林方法均优于 Oddball。在测试集上，随机森林优于特征求和；而在第二个合成数据集上，起初特征求和往往比随机森林能捕捉到更多异常，但对于低分异常，这种行为发生了逆转。在所有情况下，被标记的前 2% 的异常平均包含了 90% 以上的植入异常。
引用
@article{arxiv.1901.00402,
title = {Anomaly Detection in Networks with Application to Financial Transaction Networks},
author = {Andrew Elliott and Mihai Cucuringu and Milton Martinez Luaces and Paul Reidy and Gesine Reinert},
journal= {arXiv preprint arXiv:1901.00402},
year = {2019}
}