用于恶意账户检测的异构图神经网络
机器学习
2020-02-28 v1 密码学与安全
机器学习
摘要
我们提出GEM，首个用于检测支付宝（全球领先的移动无现金支付平台之一）恶意账户的异构图神经网络方法。我们的方法受连通子图方法启发，基于攻击者的两个基本弱点（即设备聚集和活动聚集），从异构账户-设备图中自适应学习判别性嵌入。对于由多种类型节点组成的异构图，我们提出一种注意力机制来学习不同类型节点的重要性，同时使用求和算子对每类节点的聚集模式进行建模。实验表明，随着时间的推移，我们的方法相比竞争方法持续取得有前景的结果。
引用
@article{arxiv.2002.12307,
title = {Heterogeneous Graph Neural Networks for Malicious Account Detection},
author = {Ziqi Liu and Chaochao Chen and Xinxing Yang and Jun Zhou and Xiaolong Li and Le Song},
journal= {arXiv preprint arXiv:2002.12307},
year = {2020}
}