Feb, 2020

用于恶意账号检测的异构图神经网络

PDF
TL;DR本篇论文提出了一种用于检测 Alipay 上的恶意账户的异构图神经网络方法，引入了一种基于连接子图的自适应学习方式，通过注意力机制来学习不同类型节点的重要性，使用求和运算符对每种类型节点的聚合模式建模，实验证明该方法相对于竞争方法具有更加优异的性能表现。
heterogeneous graph neural networkmalicious accounts detectionalipayconnected subgraph approachattention mechanism
发现论文，激发创造
  • 使用异构图神经网络寻找洗钱者

    本研究首次应用图神经网络（GNN）在一个大规模真实异构网络上，通过结合机器学习技术，提高银行电子监控系统检测洗钱行为的质量。

    Jul, 2023

  • Attention 机制在欺诈检测中的图动态建模

    本研究提出了动态异构图神经网络及其变体 DyHGN，使用商业交易数据来构建动态异构图，并使用模型解释技术来理解 DyHGN-* 模型的行为，其发现表明建模带异构输入的图动态行为需要依赖于数据结构、分布和计算成本的 “关注”。

    Apr, 2022

  • 基于异构图神经网络的以太坊欺诈检测

    该研究比较了不同类型图神经网络模型在以太坊交易网络数据和钓鱼标签数据上的性能表现，结果表明异构模型的表现优于同构模型，尤其是 RGCN 模型在整体指标上表现最好。

    Mar, 2022

  • 加密货币交易网络中用于非法账号检测的高效多图神经网络

    我们研究了在线金融市场中越来越重要的加密货币交易网络上的非法账户检测。我们提出了 DIAM，这是一个新颖的多图神经网络模型，旨在有效地检测大型交易网络上的非法账户。通过将边属性和有向边序列依赖考虑在内，DIAM 自动学习了有效的节点表示，并利用多图拓扑结构采用了新的多图差异（MGD）模块，通过设计良好的消息传递机制捕捉正常和非法节点之间的差异特征，从而在大量实验证明 DIAM 在准确检测非法账户方面始终表现最佳，同时具有高效性。

    Sep, 2023

  • 一种半监督图注意力网络用于金融欺诈检测

    本文介绍了一种利用多视图网络结构、半监督学习和分层注意力机制的图神经网络，用于在支付宝用户中进行欺诈检测，并实现比现有方法更为准确的预测，并且提供了可解释的结果。

    Feb, 2020

  • HGAttack: 可转移的异构图对抗攻击

    HGAttack 是针对异构图设计的首个灰盒逃避攻击方法，通过设计一种新颖的代理模型，利用梯度方法实现扰动生成，提高了生成攻击在目标 HGNN 上的可转移性并显著降低了内存成本。在三个数据集上的综合实验证实了 HGAttack 的有效性。

    Jan, 2024

  • 基于子图采样的异构图节点嵌入的 GAN 方法

    我们提出了一个新方法来解决异构图中的类不平衡问题，该方法结合了生成对抗网络（GANs）和图神经网络（GNNs）的优点，通过创建合成节点和边来有效地平衡数据集。该方法直接针对数据级别的不平衡问题，并解决了数据生成过程中忽略图结构以及在下游任务中使用基于 GNN 的分类器时创建可用的合成结构的问题。同时处理节点和边的信息，通过节点增强和子图采样改善边的平衡。另外，我们的框架还整合了一个阈值策略，在训练过程中帮助确定最佳的边界阈值，避免了耗时的参数调整。在 Amazon 和 Yelp 评论数据集上的实验验证了我们提出的框架的有效性，特别是在少数节点识别方面，它在关键性能指标上始终优于基线模型，展示了其在该领域的潜力。

    Dec, 2023

  • 动态关系注意力图神经网络用于欺诈检测

    欺诈检测在发现欺诈者通过欺骗其他用户，例如发布虚假评论或进行异常交易的行为上有着重要作用。我们采用图神经网络和动态关系注意力聚合机制来解决这个问题，并在真实基准数据集上展示了我们的方法 DRAG 优于其他最先进的欺诈检测方法。

    Oct, 2023

  • 异构图注意力网络

    该论文提出了一种基于分层注意力机制的异构图神经网络，包括节点层次和语义层次的注意力机制，通过从元路径邻居中汇总特征来生成节点嵌入，其在三个真实的异构图上表现出优越性能且有助于图分析。

    Mar, 2019

  • HRGCN：基于层次关系增强图神经网络的异构图层级异常检测

    这项研究考虑了异构图层次异常检测的问题，提出了 HRGCN，一种无监督的深度异构图神经网络，用于有效地识别系统中的异常行为图。在两个真实应用数据集上的广泛评估表明，HRGCN 优于目前最先进的竞争性异常检测方法。进一步展示了一个实际工业案例研究，以证明 HRGCN 在检测移动通信服务中的异常（如拥塞）网络设备方面的有效性。

    Aug, 2023