用于欺诈检测的动态关系注意力图神经网络
机器学习
2024-01-04 v3 人工智能
密码学与安全
摘要
欺诈检测旨在发现通过例如留下虚假评论或进行异常交易来欺骗其他用户的欺诈者。基于图的欺诈检测方法将该任务视为一个二分类问题：欺诈或正常。我们使用图神经网络（GNNs）解决此问题，提出一种动态关系注意力聚合机制。基于许多真实世界图包含不同类型关系的观察，我们提出为每种关系学习一个节点表示，并使用一个可学习的注意力函数聚合这些节点表示，该函数为每种关系分配不同的注意力系数。此外，我们结合来自不同层的节点表示以同时考虑目标节点的局部与全局结构，这有利于提升在具有异配性的图上的欺诈检测性能。通过在所有聚合过程中采用动态图注意力，我们的方法自适应地为每个节点计算注意力系数。实验结果表明，我们的方法 DRAG 在真实世界基准数据集上优于最先进的欺诈检测方法。
引用
@article{arxiv.2310.04171,
title = {Dynamic Relation-Attentive Graph Neural Networks for Fraud Detection},
author = {Heehyeon Kim and Jinhyeok Choi and Joyce Jiyoung Whang},
journal= {arXiv preprint arXiv:2310.04171},
year = {2024}
}
备注
5 pages, 3 figures, 3 tables. Machine Learning on Graphs (MLoG) Workshop at the 23rd IEEE International Conference on Data Mining (ICDM 2023)