审查货运记录以遏制非法木材贸易
机器学习
2022-08-02 v1 人工智能
摘要
木材及木制林产品(如家具)是有价值的商品,并且与许多高价值自然资源的全球贸易一样,面临腐败、欺诈和非法采伐的挑战。木材和林产品领域的这些灰色和黑色市场活动并不限于木材采伐国,而是延伸到全球供应链,并涉及贸易洗钱、文件欺诈、物种误标和其他非法活动等非法资金流动。在缺乏真值的情况下,利用贸易数据发现此类欺诈性活动的任务可建模为无监督异常检测问题。然而现有方法在应用于大规模贸易数据时存在某些缺陷。贸易数据是异构的,在表格格式中同时具有类别型和数值型属性。总体挑战在于数据的复杂性、体量和速度,实体数量庞大且缺乏真值标签。为缓解这些,我们提出了一种新颖的无监督异常检测——基于对比学习的异构异常检测 (CHAD),该方法通常适用于大规模异构表格数据。我们证明我们的模型 CHAD 在公共基准数据集上优于多个可比基线,并且在贸易数据情况下超越它们。更重要的是,我们证明我们的方法减少了假设和超参数调优所需的工作,这是无监督训练范式中的一个关键挑战方面。具体而言,我们的总体目标涉及利用提单贸易记录数据检测可疑木材货运和模式。检测货运记录中的异常交易可使政府机构和供应链成员进行进一步调查。
引用
@article{arxiv.2208.00493,
title = {Scrutinizing Shipment Records To Thwart Illegal Timber Trade},
author = {Debanjan Datta and Sathappan Muthiah and John Simeone and Amelia Meadows and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:2208.00493},
year = {2022}
}
备注
Accepted in Proceedings of 6th Outlier Detection and Description Workshop, ACM SigKDD 2021 https://oddworkshop.github.io/assets/papers/7.pdf. arXiv admin note: substantial text overlap with arXiv:2104.01156