SCFCRC：同时对抗特征伪装与关系伪装的欺诈检测
机器学习
2025-01-23 v1 人工智能
摘要
在欺诈检测中，欺诈者常与许多良性用户交互，伪装自己的特征或关系以隐藏自己。大多数现有工作仅关注特征伪装或关系伪装，或通过解耦特征学习和关系学习来避免这两种伪装相互影响。然而，这无意中忽略了来自特征或关系的有价值信息，这些信息可能相互增强其对抗性伪装策略。在此基础上，我们提出SCFCRC，一种基于Transformer的欺诈检测器，同时对抗特征伪装与关系伪装。SCFCRC包含两个组件：特征伪装过滤器和关系伪装细化器。特征伪装过滤器利用通过标签传播生成的伪标签来训练过滤器，并使用结合实例级和原型级的对比学习来提高特征质量。关系伪装细化器使用混合专家(MoE)网络将多关系图分解为多个子结构，分而治之以缓解关系伪装对检测性能的降低。此外，本文引入一种用于增强MoE模型鲁棒性的正则化方法。广泛的实验在两个欺诈检测基准数据集上表明，我们的方法在性能上优于最先进的基线方法。
关键词
引用
@article{arxiv.2501.12430,
title = {SCFCRC: Simultaneously Counteract Feature Camouflage and Relation Camouflage for Fraud Detection},
author = {Xiaocheng Zhang and Zhuangzhuang Ye and GuoPing Zhao and Jianing Wang and Xiaohong Su},
journal= {arXiv preprint arXiv:2501.12430},
year = {2025}
}