深度生成模型在复杂金融事务异常检测中的应用
机器学习
2025-04-23 v1
摘要
本研究提出一种用于检测大支付流程中可疑行为的算法，基于深度生成模型。通过将生成对抗网络 (GAN) 和变分自编码器 (VAE) 结合，旨在检测金融交易中的异常行为。首先，使用 GAN 生成模拟数据以近似正常的支付流程。判别器识别交易中的异常模式，实现对潜在欺诈和洗钱行为的检测。其次，引入 VAE 来建模支付流程的潜在分布，确保生成的数据更贴近真实交易特征，从而提高模型的检测准确性。该方法优化了 GAN 和 VAE 的生成能力，确保模型能够在稀疏数据条件下有效捕捉可疑行为。实验结果表明，所提方法在各种评估指标上显著优于传统机器学习算法和其他深度学习模型，尤其在检测稀有欺诈行为方面表现突出。此外，本研究详细比较了在大规模支付流程中识别不同交易模式 (如正常、洗钱和欺诈) 的性能，验证了生成模型在处理复杂金融数据的优势。
引用
@article{arxiv.2504.15491,
title = {Application of Deep Generative Models for Anomaly Detection in Complex Financial Transactions},
author = {Tengda Tang and Jianhua Yao and Yixian Wang and Qiuwu Sha and Hanrui Feng and Zhen Xu},
journal= {arXiv preprint arXiv:2504.15491},
year = {2025}
}