2SFGL：基于图形的欺诈检测的简单而稳健的协议
原文约100字，阅读约需1分钟。发表于：。使用图学习进行金融犯罪检测改善金融安全和效率，提出了一种基于联邦图学习的新型框架（2SFGL），实验证明与仅使用 FedAvg 的情况相比，将 GCN 与 2SFGL 集成应用于此任务可以在几个常见指标上提高 17.6％-30.2％的性能，而将 GraphSAGE 与 2SFGL 集成应用可以提高 6％-16.2％的性能，从而得出结论，我们提出的框架是一种稳健且简单易用的协议，可以与现有的基于图的欺诈检测方法简单集成。
该文提出了基于联邦图学习的2SFGL框架，用于金融犯罪检测，可提高17.6％-30.2％的性能。该框架稳健易用，可与现有欺诈检测方法集成。
