基于图神经网络的不平衡欺诈检测研究

摘要：

现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳.针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型.该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两个不平衡的概念.在邻域不平衡中,通过多层感知机和高斯核函数衡量中心节点与其邻域节点的非欧氏空间距离(相似度),基于马尔可夫决策动态更新采样阈值对邻域节点进行多层自适应欠采样,并在每一层中仅聚合其原始特征和前一层的隐藏嵌入得到中心节点的目标嵌入;在中心不平衡中,引入加权交叉熵损失函数为每个中心节点的损失设置动态权重以达到中心平衡.在Yelp和Amazon两个数据集上的实验结果表明,该模型的曲线下面积(AUC)、召回率(Recall)两个指标相较于最优基准模型均有显著提升,在两个数据集上的AUC和Recall分别提升了5.52%、5.42%和1.57%、4.31%.

关键词：图神经网络、欺诈检测、类不平衡、马尔可夫决策、加权交叉熵损失函数

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;湖南省重点研发计划

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：150-159