Пространственно-временной графовый трансформер для выявления мошеннических транзакций

Получение информативных представлений транзакций и последующее выявление мошеннических транзакций имеют решающее значение для обеспечения финансовой безопасности. В недавних исследованиях для решения задачи выявления мошеннических транзакций применяются графовые нейронные сети (GNN). Однако из-за структурных ограничений они сталкиваются с трудностями при эффективном обучении пространственно-временной информации. Кроме того, лишь немногие существующие детекторы на основе GNN учитывают важность включения глобальной информации, охватывающей схожие поведенческие паттерны и предоставляющей ценные сведения для обучения дискриминативных представлений. Поэтому мы предлагаем новую гетерогенную графовую нейронную сеть, названную пространственно-временным графовым трансформером (STA-GT), для выявления мошеннических транзакций. В частности, мы разрабатываем стратегию временного кодирования для захвата временных зависимостей и интегрируем ее в структуру GNN, обогащая пространственно-временную информацию и повышая выразительную способность модели. Кроме того, мы вводим трансформерный модуль для обучения локальной и глобальной информации. Попарные взаимодействия между узлами преодолевают ограничения структуры GNN и формируют взаимодействия между целевым узлом и множеством удаленных узлов. Результаты экспериментов на двух финансовых наборах данных показывают, что STA-GT эффективнее решает задачу выявления мошеннических транзакций по сравнению с общими моделями GNN и детекторами мошенничества на основе GNN.