动态欺诈检测：将强化学习融入图神经网络
机器学习
2025-12-16 v2 社会与信息网络
摘要
金融欺诈是指通过不诚实手段获取经济利益的行为。这种行为不仅扰乱金融市场秩序，还损害经济和社会发展，并可能滋生其他违法犯罪活动。随着互联网和电子支付的普及，许多欺诈和洗钱行为已从线下转向线上，给监管机构带来了巨大挑战。如何高效识别这些金融欺诈活动已成为亟待解决的问题。图神经网络是一类能够利用图结构内交互关系的深度学习模型，已广泛应用于欺诈检测领域。然而，现有方法仍存在一些问题。首先，欺诈活动在交易转账中占比极小，导致欺诈检测中不可避免的标签不平衡问题。其次，欺诈者常伪装其行为，这可能对最终预测结果产生负面影响。此外，现有研究忽视了平衡邻居信息与中心节点信息的重要性，例如当中心节点邻居过多时，其自身特征常被忽略。最后，欺诈活动和模式随时间不断演变，因此考虑图边关系的动态演化也至关重要。
引用
@article{arxiv.2409.09892,
title = {Dynamic Fraud Detection: Integrating Reinforcement Learning into Graph Neural Networks},
author = {Yuxin Dong and Jianhua Yao and Jiajing Wang and Yingbin Liang and Shuhan Liao and Minheng Xiao},
journal= {arXiv preprint arXiv:2409.09892},
year = {2025}
}
备注
I request the withdrawal of this paper because serious concerns have been identified regarding the originality of the manuscript, and the authors suspect that the fifth author may have engaged in plagiarism, including the possible use of unpublished results from a manuscript affiliated with Donghua University