- 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”。
- 奇异感知机器学习在流媒体服务中的滥用和欺诈检测
本文提出了一个基于流媒体用户行为建模的欺诈和滥用检测框架,通过创建用户行为模型发现异常和可疑事件,并以此来扩大调查工作的规模。我们研究了半监督和监督方法来检测异常现象,最终使用机器学习方法实现了欺诈和滥用检测。
- 提高空间图神经网络欺诈检测的聚合和加速训练方法
本文提出三个方法以解决 Residual Layered CARE-GNN 的三个问题:采用余弦距离进行相似度度量,结合邻节点和批次规范化的相似度量模块,以及中间信息补充。在 Yelp 和 Amazon 数据集上,采用这三种方法分别获得了 - WWW使用层次化可解释网络对用户行为序列进行建模,实现跨领域欺诈检测
本文提出了一种基于分层可解释网络和迁移学习框架的跨域电子商务欺诈检测方法,该方法以用户的时序行为历史数据为基础,不仅能够提高欺诈检测的性能,同时还能够使推理过程可解释。同时,它也能够通过在已有域中转移知识来应对新的领域中数据收集的限制,并且 - MM深度强化学习在支付欺诈中的应用
该研究借助强化学习的思想,将欺诈检测问题转化成一个序列决策问题,并探索了不同奖励函数的效果,其性能基于深度 Q 学习算法在两个公开欺诈数据集上进行了评估与比较。
- KDD电子商务欺诈检测的机器学习:研究议程
本文以组织为中心,探讨了反欺诈部门的运营模式,提出了 6 个研究主题和 12 个实践挑战,总结了每个研究主题的文献现状,并讨论了解决实践挑战的潜在解决方案,同时发现了 22 个开放式研究挑战。
- IJCAI具有随机到达时间的非参数随机序列分配
该论文提出一种名为 NPSA 的算法,用于解决随机到达工作的问题。该算法在信号弱的情况下也能保证期望收益时近最优的,同时在合成数据和公共欺诈检测数据集上取得了显著的成果。
- ICLR基于概念的弱监督多任务学习的可解释性
通过使用多任务学习方法,我们提出了一种新的神经网络架构用于支持高层次的概念解释,从而在欺诈检测中提高解释性能。
- 如何选择一个解释器?一个基于应用的后续解释评估
提出了一种名为 XAI Test 的应用基准评估方法,旨在评估不同水平的信息提供对最终决策的影响,针对现实世界的欺诈检测任务进行了实验,并使用多种统计方法分析了三种热门解释器的影响。
- AAAI针对表格式数据的对抗性攻击:应用于欺诈检测和非平衡数据
本文介绍了一种新颖的方法,用于修改和调整最先进的算法以处理不平衡的表格数据,以应对欺诈检测方面的安全挑战,实验结果表明,所提出的修改导致了攻击成功率的提高,并获得的对人类来说不那么易察觉的对抗性示例。
- 用表格转换器对多元时间序列进行建模
本研究利用深度学习算法构建神经网络模型,对具有层级结构的表格时间序列进行表示学习,提供了一种类似于 BERT 的预训练模型以及类似于 GPT 的合成模型,并在信用卡诈骗检测和空气污染浓度预测两个领域应用验证了模型的效果。
- 基于图神经网络的反欺诈检测器抵御伪装欺诈者攻击的增强方法
本文提出了一种名为 CARE-GNN 的新型 Graph Neural Network 模型对付欺诈检测中恶意节点使用的特征伪装和关系伪装,CARE-GNN 包括三个模块,即标签感知型相似度衡量模块、强化学习模块和跨不同关系的选中邻居的聚合 - SIGIR应用图神经网络于欺诈检测中的一致性问题缓解
本文提出了一个新的 GNN 框架 GraphConsis, 以解决在线欺诈检测中的不一致性问题 (包括上下文、特征和关系不一致性),并在四个数据集上进行实证分析,证明了 GraphConsis 的有效性。
- 使用白盒攻击和黑盒攻击逃避深度伪造图像检测器
本研究发现了一些图像取证分类器的脆弱性,提出了五种攻击案例,在实验中发现通过篡改图像,向合成器的潜在空间添加噪声模式等方式,均能有效地降低分类器的区分真伪的准确率,揭示了某些图像取证分类器的显著弱点。
- 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。
- KDD自动规则管理系统用于欺诈检测
我们提出了一种基于用户定义的损失函数和启发式搜索优化集合中活动规则的自动化规则管理系统 ARMS,该系统可以维护金融欺诈检测系统的性能,并对 100 多万个交易进行快速筛查,可以在一定程度上削减维护成本。
- 数据流的自动模型监控
本文提出了一种自动模型监测系统 SAMM,它使用了时间和空间有效的无监督流算法来检测概念漂移,并自动生成解释,针对骗局检测模型,对 SAMM 系统进行了五个真实数据集的测试并获得了领域专家的验证。
- KDD使用对抗自编码神经网络探测潜空间中的会计异常
本研究提出了使用对抗自编码网络来检测会计数据中的欺诈行为,该方法可以学习到现实世界会计分录的语义表示,从而提高了检测方法的可解释性和准确性。实验证明该方法的有效性。
- DeepTrax: 金融交易图嵌入
本文使用图形嵌入方法将信用卡交易的账户和商家实体嵌入到欧氏向量空间中,并展示了这些嵌入可以用于欺诈检测等机器学习业务应用。
- KDD基于案例推理的辅助领域专家处理黑盒机器学习模型欺诈警报
本研究提出了一种基于事例推理的方法来评估机器学习模型预测的可信度,并通过可视化的方式呈现之前相似的情况,进一步证明了该方法对于处理欺诈检测中的机器学习警报具有实用性和易用性。