再审视基于图的欺诈检测：异质性和频谱视角
原文约300字，阅读约需1分钟。发表于：。本研究提出了一种半监督的基于图神经网络的欺诈检测器 SEC-GFD，通过混合过滤模块和局部环境约束模块解决了异态性和标签利用问题，实验证明 SEC-GFD 在四个真实世界的欺诈检测数据集上优于其他竞争对手的基于图的欺诈检测器。
本文介绍了一种基于联邦图学习的新型框架（2SFGL），用于改善金融犯罪检测的安全和效率。实验证明，将GCN和2SFGL集成应用于此任务可以提高17.6％-30.2％的性能，将GraphSAGE和2SFGL集成应用可以提高6％-16.2％的性能。该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。
