GraphGuard：用于多关系动态图中信用卡欺诈检测的对比自监督学习
机器学习
2024-07-18 v1
摘要
信用卡欺诈在个人和社会层面都具有重大影响，因此有效的预防至关重要。现有方法严重依赖特征工程和标注信息，而这两者都有显著的局限性。在这项工作中，我们提出了GraphGuard，一种新颖的基于图的对比自监督学习框架，用于检测欺诈性信用卡交易。我们在一个真实世界数据集和一个合成数据集上进行了实验。我们的结果为探索基于图的自监督方法在信用卡欺诈检测中的有效性提供了一个有前景的初步方向。
关键词
引用
@article{arxiv.2407.12440,
title = {GraphGuard: Contrastive Self-Supervised Learning for Credit-Card Fraud Detection in Multi-Relational Dynamic Graphs},
author = {Kristófer Reynisson and Marco Schreyer and Damian Borth},
journal= {arXiv preprint arXiv:2407.12440},
year = {2024}
}
备注
8 pages, 1 figure, 2 tables, preprint version, presented at AAAI 2024 Workshop on AI in Finance for Social Impact