面向反洗钱的社区级异常检测
机器学习
2022-06-10 v1 密码学与安全
机器学习
摘要
网络中的异常检测往往归结为识别异常发生所依赖的底层图结构。金融欺诈方案即是此类例子,其中或多或少错综复杂的手段被用来规避交易安全协议。我们研究利用字典学习的适应性方法来学习图结构表示,以编码连通模式。具体而言,我们将字典学习策略适配于网络拓扑的特性,并提出施加拉普拉斯结构于字典本身的新方法。在一种适配中,我们直接作用于图拉普拉斯算子并对拓扑进行分类,将学习问题重构以容纳其二维结构。我们通过学习由向量化原子拉普拉斯算子构成的字典来解决同一问题,并给出块坐标下降方案求解该新字典学习形式。在单块正交学习方法的适配中,也提出了对字典施加拉普拉斯结构。在包含不同图拓扑的合成图数据集上的结果证实了字典直接表示图结构信息的潜力。
引用
@article{arxiv.1910.11313,
title = {Community-Level Anomaly Detection for Anti-Money Laundering},
author = {Andra Baltoiu and Andrei Patrascu and Paul Irofti},
journal= {arXiv preprint arXiv:1910.11313},
year = {2022}
}