基于图注意力机制的异构图神经网络信用卡欺诈检测
机器学习
2025-04-14 v1 密码学与安全
摘要
本研究提出了一种基于异构图神经网络 (HGNN) 的信用卡欺诈检测方法，以解决复杂交易网络中的欺诈问题。不同于依赖交易记录数值特征的传统机器学习方法，该方法构建了异构交易图。该图包含用户、商户和交易等多种节点类型。通过利用图神经网络，模型捕捉更高阶的交易关系。采用图注意力机制为不同的交易关系动态分配权重。此外，还集成了时间衰减机制，以增强模型对与时间相关的欺诈模式的敏感性。为了解决欺诈交易样本稀缺的问题，本研究应用了 SMOTE 过采样和成本敏感学习技术。这一技术强化了模型识别欺诈交易的能力。实验结果表明，所提方法在 IEEE-CIS 信用卡欺诈检测数据集上优于包括 GCN、GAT 和 GraphSAGE 在内的现有 GNN 模型。模型在准确率和 OC-ROC 指标上均实现显著提升。未来研究可探索动态图神经网络和强化学习的集成。这些进展可能增强实时欺诈检测系统的适应性，为金融风险控制提供更智能的解决方案。
引用
@article{arxiv.2504.08183,
title = {Detecting Credit Card Fraud via Heterogeneous Graph Neural Networks with Graph Attention},
author = {Qiuwu Sha and Tengda Tang and Xinyu Du and Jie Liu and Yixian Wang and Yuan Sheng},
journal= {arXiv preprint arXiv:2504.08183},
year = {2025}
}