FRAUD-RLA：一种针对信用卡欺诈检测的新型强化学习对抗攻击
机器学习
2026-03-17 v1 人工智能
摘要
对抗攻击对数据驱动的系统构成了重大威胁，研究人员投入了大量资源对其进行研究。尽管具有经济相关性，但这一趋势在很大程度上忽视了信用卡欺诈检测问题。为了填补这一空白，我们提出了一种新的威胁模型，展示了现有攻击的局限性，并突出了研究新方法的必要性。随后，我们设计了一种针对信用卡欺诈检测的新型对抗攻击，采用强化学习来绕过分类器。这种被称为 FRAUD-RLA 的攻击旨在通过优化探索-利用权衡来最大化攻击者的奖励，并且与竞争方法相比，其所需的知识显著减少。我们在三个不同的异构数据集上针对两个欺诈检测系统进行的实验表明，即使考虑到我们的威胁模型所施加的严格限制，FRAUD-RLA 仍然是有效的。
引用
@article{arxiv.2502.02290,
title = {FRAUD-RLA: A new reinforcement learning adversarial attack against credit card fraud detection},
author = {Daniele Lunghi and Yannick Molinghen and Alkis Simitsis and Tom Lenaerts and Gianluca Bontempi},
journal= {arXiv preprint arXiv:2502.02290},
year = {2026}
}