Финансовая защита от мошенничества на основе двухканальной графовой сети внимания

В статье рассматривается широко распространенная проблема мошенничества в финансовых транзакциях путем внедрения графовой сети внимания (GAN) в графовые нейронные сети. Для построения модуля двухголовой сети внимания объединяются сети внимания к узлам и сети семантического внимания, что позволяет комплексно анализировать сложные взаимосвязи в данных о транзакциях пользователей. Такой подход эффективно обрабатывает нелинейные признаки и сложные взаимосвязи при взаимодействии данных. Для повышения эффективности выявления мошенничества используется дерево решений с градиентным бустингом (GBDT), на основе которого создается двухканальная графовая сеть внимания GBDT (GBDT-DGAN). Для обеспечения конфиденциальности пользователей внедряется технология блокчейна, в результате чего разрабатывается модель финансовой защиты от мошенничества, объединяющая блокчейн с алгоритмом GBDT-DGAN. Экспериментальная проверка показала, что точность модели достигает 93,82%, что как минимум на 5,76% выше по сравнению с базовыми алгоритмами, такими как сверточные нейронные сети. Значения полноты и F1-меры составляют 89,5% и 81,66% соответственно. Кроме того, модель демонстрирует более высокий уровень безопасности передачи сетевых данных, поддерживая коэффициент потерь пакетов ниже 7%. Таким образом, предложенная модель значительно превосходит традиционные подходы по точности выявления финансового мошенничества и обеспечивает высокий уровень безопасности передачи сетевых данных, предлагая эффективное и надежное решение для обнаружения мошенничества в финансовой сфере.