Revisiting Graph-based Fraud Detection in Sight of Heterophily and Spectrum

要約

グラフベースの不正検出 (GFD) は、挑戦的な半教師ありノードのバイナリ分類タスクとみなすことができます。
近年、グラフ ニューラル ネットワーク (GNN) が GFD に広く適用されており、近隣情報を集約することでノードの異常な可能性を特徴付けています。
ただし、不正グラフは本質的に異好性であるため、ほとんどの GNN は同性愛の仮定によりパフォーマンスが低下します。
さらに、異種性とクラスの不均衡の問題が存在するため、既存のモデルでは貴重なノード ラベル情報が十分に活用されていません。
上記の問題に対処するために、この論文では半教師あり GNN ベースの不正検出器 SEC-GFD を提案します。
この検出器には、ハイブリッド フィルタリング モジュールとローカル環境制約モジュールが含まれており、2 つのモジュールはそれぞれ異種好性とラベル利用の問題を解決するために利用されます。
最初のモジュールはスペクトル領域の観点から開始し、異性愛の問題をある程度解決します。
具体的には、スペクトルのエネルギー分布と異種性の相関関係に基づいて、スペクトルを複数の混合周波数帯域に分割します。
次に、ノードラベル情報を最大限に活用するために、局所環境制約モジュールを適応的に設計する。
4 つの現実世界の不正検出データセットに関する包括的な実験結果は、SEC-GFD が他の競合するグラフベースの不正検出器よりも優れていることを示しています。

要約(オリジナル)

Graph-based fraud detection (GFD) can be regarded as a challenging semi-supervised node binary classification task. In recent years, Graph Neural Networks(GNN) have been widely applied to GFD, characterizing the anomalous possibility of a node by aggregating neighbor information. However, fraud graphs are inherently heterophilic, thus most of GNNs perform poorly due to their assumption of homophily. In addition, due to the existence of heterophily and class imbalance problem, the existing models do not fully utilize the precious node label information. To address the above issues, this paper proposes a semi-supervised GNN-based fraud detector SEC-GFD. This detector includes a hybrid filtering module and a local environmental constraint module, the two modules are utilized to solve heterophily and label utilization problem respectively. The first module starts from the perspective of the spectral domain, and solves the heterophily problem to a certain extent. Specifically, it divides the spectrum into multiple mixed frequency bands according to the correlation between spectrum energy distribution and heterophily. Then in order to make full use of the node label information, a local environmental constraint module is adaptively designed. The comprehensive experimental results on four real-world fraud detection datasets show that SEC-GFD outperforms other competitive graph-based fraud detectors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google