利用图卷积网络识别关联欺诈活动
社会与信息网络
2021-06-09 v1 人工智能
摘要
在本文中，我们提出一种新方法，利用图卷积网络（GCN）识别关联欺诈活动或具有相似属性的参与者。这些关联欺诈活动可可视化为具有关系和交互等抽象概念的图，这使得 GCN 成为识别作为欺诈节点之间链接的图边的理想方案。传统方法如社区发现需要欺诈尝试之间的强链接（如共享属性）来寻找社区，而监督方案需要大量训练数据（在欺诈场景中可能不可用），并且最适用于在欺诈与非欺诈活动之间提供二分类。我们的方法克服了传统方法的缺点，因为 GCN 简单地学习欺诈节点之间的相似性以识别相似尝试的簇，并且需要小得多的数据集来学习。我们在具有强链接和弱链接的关联账户上展示了我们的结果，以高置信度识别欺诈环。在解质量和计算时间方面，我们的结果优于标签传播社区发现和监督 GBTs 算法。
引用
@article{arxiv.2106.04513,
title = {Identifying Linked Fraudulent Activities Using GraphConvolution Network},
author = {Sharmin Pathan and Vyom Shrivastava},
journal= {arXiv preprint arXiv:2106.04513},
year = {2021}
}