文献

J-GLOBAL ID：202202226012955463   整理番号：22A0777865

オンライン取引活動における不正検出のための新しいGNNモデル【JST・京大機械翻訳】

A Novel GNN Model for Fraud Detection in Online Trading Activities

著者 (4件)： Long Jing (College of Information Science and Engineering, Hunan Normal University, Changsha, China) ,  Long Jing (Guangxi Key Laboratory of Cryptography and Information Security, Guilin University of Electronic Technology, Guilin, China) ,  Fang Fei (College of Information Science and Engineering, Hunan Normal University, Changsha, China) ,  Luo Haibo (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, Minjiang University, Fuzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13156  ページ： 603-614  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 以前のグラフニューラルネットワークベースの不正検出技術は,通常,異なる関係で近隣をクラスタ化することによって実現した。しかし,グラフベースのデータセットは不均衡な特徴,分類,および関係の問題に直面し,それは直接検出性能を低下させる。本事例では,この問題を扱う新しい実時間GNNモデルを提案した。最初に,この特徴を測定し, fraudsterに最も高い類似性を持つエンティティを見つけた。エンティティは,訓練における fraudsterを同定するためにサンプリングした。 fraudsterはデータセットの正常ノードよりはるかに少ない。次に,近傍に類似であるノードを見つけるために,アンダースランプアルゴリズムと長距離サンプリングアルゴリズムを結合した。最後に,強化学習(RL)ベースの報酬と罰機構を提案し,関係間の重みをサンプリングした。それはグラフベースのデータセットにおける不均衡な関係の問題に効果的であった。実験により,提案技法が実世界の fraudデータセットの比較モデルより優れていることを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  グラフ ,  *検出 ,  学習 ,  ニューラルネットワーク ,  クラスタ化 ,  *モデル ,  類似性 ,  強化学習
準シソーラス用語： 罰 ,  不均衡 ,  実時間 ,  *オンライン ,  エンティティ ,  *不正検出 ,  スランプ , 【Automatic Indexing@JST】

著者キーワード (4件)： GNN ,  不正検出 ,  RL ,  不均衡問題

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： オンライン ,  取引 ,  活動 ,  不正検出 ,  GNN ,  モデル