detectGNN：利用图神经网络提升信用卡欺诈检测
密码学与安全
2025-04-01 v1
摘要
信用卡欺诈是当下突出的问题，造成巨额经济损失并影响金融系统的信任。传统的欺诈检测方法往往难以检测新兴和不断演化的欺诈手段。本研究聚焦于利用图神经网络（GNN）通过将交易分析为相互关联的数据点网络（如账户、商户和设备），以提高欺诈检测效果。提出的"detectGNN"模型运用了诸如基于时间的模式和动态更新等先进特征，以暴露隐藏的欺诈行为并提升检测准确性。测试结果表明，GNN在发现复杂和多层次欺诈方面优于传统方法。该模型还解决了实时处理、数据不平衡和隐私问题，使其在实际场景中具有可行性。本研究表明，GNN能够提供一种强大、准确且可扩展的欺诈检测解决方案。未来工作将致力于使模型更易于解释、更加注重隐私且能够适应新型欺诈手段，以确保数字时代的金融交易更加安全。
引用
@article{arxiv.2503.22681,
title = {detectGNN: Harnessing Graph Neural Networks for Enhanced Fraud Detection in Credit Card Transactions},
author = {Irin Sultana and Syed Mustavi Maheen and Naresh Kshetri and Md Nasim Fardous Zim},
journal= {arXiv preprint arXiv:2503.22681},
year = {2025}
}
备注
13 pages, 1 figure