面向图异常检测的模式挖掘：在公共采购欺诈中的应用
机器学习
2024-06-24 v1 人工智能
摘要
在公共采购背景下，若干称为红旗的指标被用于估计欺诈风险。它们根据特定合同属性计算，因此依赖于合同与授标公告的正确填写。然而，这些属性在实践中经常缺失，导致无法计算红旗。传统欺诈检测方法仅关注表格数据，将每份合同单独考虑，因而对此问题非常敏感。在本工作中，我们采用基于图的方法，利用合同间的关系来弥补缺失属性。我们提出PANG（图中基于模式的异常检测），一种通用的监督框架，依赖模式提取来检测属性图集合中的异常图。值得注意的是，它能够识别导出子图，这是文献中广泛被忽视的一类模式。在标准数据集上基准测试时，其预测性能与最先进方法相当，且具有可解释的额外优势。这些实验还揭示，导出模式在某些数据集上更具判别力。将PANG应用于公共采购数据时，预测优于其他方法，并识别出表征易欺诈情形的子图模式，从而得以更好地理解欺诈行为。
引用
@article{arxiv.2306.10857,
title = {Pattern Mining for Anomaly Detection in Graphs: Application to Fraud in Public Procurement},
author = {Lucas Potin and Rosa Figueiredo and Vincent Labatut and Christine Largeron},
journal= {arXiv preprint arXiv:2306.10857},
year = {2024}
}