Выявление мошенничества с банковскими картами с помощью гетерогенных графовых нейронных сетей с графовым вниманием

В настоящем исследовании предлагается метод выявления мошенничества с банковскими картами на основе гетерогенных графовых нейронных сетей (HGNN) для обнаружения мошеннических операций в сложных транзакционных сетях. В отличие от традиционных методов машинного обучения, использующих исключительно числовые признаки записей о транзакциях, данный подход строит гетерогенные транзакционные графы. Эти графы включают несколько типов узлов, в том числе пользователей, продавцов и транзакции. Благодаря применению графовых нейронных сетей модель выявляет транзакционные связи более высокого порядка. Для динамического назначения весов различным транзакционным связям используется механизм графового внимания. Кроме того, в модель интегрирован механизм временного затухания, повышающий ее чувствительность к временным закономерностям мошенничества. Для решения проблемы недостатка образцов мошеннических транзакций в исследовании применяются метод синтетического увеличения выборки миноритарного класса (SMOTE) и обучение с учетом стоимости ошибок. Эти методы повышают способность модели выявлять мошеннические транзакции. Экспериментальные результаты показывают, что предложенный метод превосходит существующие модели GNN, включая GCN, GAT и GraphSAGE, на наборе данных IEEE-CIS Fraud Detection. Модель демонстрирует заметное повышение точности и показателя OC-ROC. В дальнейших исследованиях можно изучить интеграцию динамических графовых нейронных сетей и обучения с подкреплением. Такие усовершенствования способны повысить адаптивность систем выявления мошенничества в реальном времени и обеспечить более интеллектуальные решения для управления финансовыми рисками.