基于异构交易图的跨区域欺诈检测遗忘预防方法
计算工程、金融与科学
2022-05-24 v2
摘要
随着电子商务的蓬勃发展，检测金融欺诈已成为避免交易风险的紧迫任务。尽管图神经网络（GNNs）在欺诈检测中应用成功，现有方案由于数据收集的限制仅适用于狭窄范围。特别是当业务扩展到新地域（如新城市或新国家）时，开发全新模型会带来成本问题并导致先前知识的遗忘。此外，近期工作致力于设计GNNs以揭示金融交易背后的隐式交互。然而，大多数基于GNNs的现有方案集中于同构图，或出于便利将异构交互分解为若干同质连接。为此，本研究提出一种基于异构交易图的新方案，即HTG-CFD，以预防跨区域欺诈检测中的知识遗忘。特别地，异构交易图（HTG）由原始交易记录精心构建，以探索不同类型实体与关系间的复杂语义。受近期持续学习启发，我们提出一种实用且面向任务的遗忘预防方法，以缓解跨区域检测情境下的知识遗忘。大量实验表明，所提HTG-CFD不仅提升了跨区域场景下的性能，也显著有助于单区域欺诈检测。
引用
@article{arxiv.2204.10085,
title = {Forgetting Prevention for Cross-regional Fraud Detection with Heterogeneous Trade Graph},
author = {Yujie Li and Yuxuan Yang and Xin Yang and Qiang Gao and Fan Zhou},
journal= {arXiv preprint arXiv:2204.10085},
year = {2022}
}