FairFinGAN: Fairness-aware Synthetic Financial Data Generation

Die Arbeit stellt FairFinGAN vor, ein auf WGAN basierendes Framework zur Erzeugung fairer synthetischer Finanzdaten, das durch direkte Integration von Fairness-Bedingungen in den Trainingsprozess Verzerrungen bezüglich geschützter Attribute reduziert, ohne die Nützlichkeit der Daten für nachgelagerte Aufgaben signifikant zu beeinträchtigen.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Bankmanager, der entscheiden muss, wem Sie einen Kredit geben und wem nicht. In der Vergangenheit haben Computer diese Entscheidungen getroffen, indem sie riesige Mengen an echten Kundendaten gelernt haben. Das Problem ist: Diese alten Daten sind oft „schmutzig". Sie enthalten unbewusste Vorurteile (Bias). Vielleicht wurden Frauen in der Vergangenheit öfter abgelehnt als Männer, oder Menschen aus bestimmten Stadtteilen wurden benachteiligt. Wenn ein Computer diese alten Daten lernt, übernimmt er diese Vorurteile und wird unfair – er diskriminiert automatisch, weil er das „falsche Muster" gelernt hat.

Um dieses Problem zu lösen, brauchen wir neue, saubere Daten. Aber echte Kundendaten sind streng geheim (Datenschutz). Man kann sie nicht einfach teilen oder kopieren.

Hier kommt die Erfindung aus dem Papier ins Spiel: FairFinGAN.

Die Idee: Ein digitaler „Zwilling" ohne Vorurteile

Stellen Sie sich FairFinGAN wie einen super-talentierten Koch vor, der in einer Küche arbeitet, in der es keine echten Zutaten gibt, aber er trotzdem ein perfektes Menü kochen muss.

1. Der Koch (Der Generator): Dieser Koch versucht, eine riesige Menge an künstlichen Finanzdaten zu „kochen". Diese Daten sehen aus wie echte Bankdaten (Alter, Einkommen, Kredithistorie), sind aber komplett erfunden. Sie sind wie ein digitaler Zwilling der echten Welt, aber ohne die echten Personen.
2. Der Kritiker (Der Teller): In einer normalen Küche würde der Koch einfach kochen, bis es gut schmeckt. Aber hier gibt es einen strengen Kritiker. Seine Aufgabe ist es, zu prüfen: „Sieht das Essen so aus, als käme es von einer echten Bank?" Wenn der Koch eine schlechte Fälschung macht, wird er korrigiert.
3. Der Fairness-Check (Der Gewissen-Sensor): Das ist der geniale Teil von FairFinGAN. Normalerweise würde der Koch nur darauf achten, dass das Essen echt aussieht. Aber FairFinGAN hat einen zusätzlichen Sensor eingebaut: einen Gewissen-Prüfer.

Wie funktioniert der „Gewissen-Prüfer"?

Stellen Sie sich vor, der Koch (der Generator) serviert dem Kritiker einen Teller mit künstlichen Daten. Der Kritiker schaut sich das an und sagt: „Das sieht echt aus!"

Aber dann kommt der Gewissen-Prüfer (ein spezieller Algorithmus, der wie ein Lehrer funktioniert) und fragt:

• „Hey, hast du hier Frauen und Männer gleich behandelt?"
• „Wenn ich diese künstlichen Daten nehme und einen Kredit-Entscheider darauf trainiere, wird dieser Entscheider dann Frauen unfair behandeln?"

Wenn der Prüfer merkt, dass der Koch unbewusst Vorurteile eingebaut hat (z. B. dass Frauen in den künstlichen Daten seltener einen Kredit bekommen), bestraft er den Koch. Er sagt: „Nein, das ist nicht fair! Koch es noch einmal, aber diesmal so, dass Frauen und Männer gleiche Chancen haben."

Der Koch probiert es erneut, passt sein Rezept an und serviert es wieder. Dieser Prozess wiederholt sich millionenfach, bis der Koch gelernt hat, Daten zu produzieren, die zwei Dinge gleichzeitig tun:

1. Sie sehen so realistisch aus wie echte Daten (damit Banken sie nutzen können).
2. Sie sind zu 100 % fair (keine Diskriminierung aufgrund von Geschlecht, Alter oder Herkunft).

Warum ist das wichtig?

In der echten Welt ist es schwer, faire Daten zu bekommen, weil die Geschichte voller Ungerechtigkeiten steckt. FairFinGAN bietet eine Lösung:

• Datenschutz: Da die Daten künstlich sind, kann man sie sicher teilen. Niemand muss sich Sorgen machen, dass echte Kunden identifiziert werden.
• Gerechtigkeit: Banken können diese künstlichen Daten nutzen, um ihre KI-Modelle zu trainieren. Das Ergebnis sind Kredit-Entscheidungen, die fairer sind und nicht auf alten Vorurteilen basieren.
• Qualität: Die Studie zeigt, dass die Daten nicht nur fair sind, sondern auch so gut funktionieren wie echte Daten. Die KI macht keine Fehler, nur weil sie fair trainiert wurde.

Zusammenfassung in einem Satz

FairFinGAN ist wie ein digitaler Töpfer, der aus Ton (Daten) neue Vasen (Datensätze) formt. Ein strenger Lehrer (der Fairness-Algorithmus) stellt sicher, dass jede Vase perfekt symmetrisch ist (fair), während ein anderer Prüfer sicherstellt, dass sie trotzdem wie echte, wertvolle Vasen aussehen (nützlich für die Bank). So erhalten wir eine Welt, in der KI-Entscheidungen nicht nur clever, sondern auch gerecht sind.

Technische Zusammenfassung

1. Problemstellung

Finanzdaten sind für automatisierte Entscheidungssysteme (z. B. Kreditvergabe, Betrugserkennung) von zentraler Bedeutung. Der Zugang zu echten Finanzdaten ist jedoch aufgrund von Datenschutzbedenken und Eigentumsrechten stark eingeschränkt. Synthetische Daten, generiert durch Modelle wie Generative Adversarial Networks (GANs), bieten eine Lösung, um diese Lücke zu schließen.

Das Hauptproblem besteht jedoch darin, dass reale Finanzdaten oft historische Vorurteile (Bias) enthalten, die durch geschützte Attribute wie Geschlecht, Rasse oder Alter definiert sind. Herkömmliche GANs neigen dazu, diese Verzerrungen nicht nur zu reproduzieren, sondern sie sogar zu verstärken. Dies führt zu unfairen Entscheidungen in downstream-Anwendungen. Bisherige Ansätze zur Fairness konzentrierten sich oft auf die Nachbearbeitung von Daten oder die Anpassung von Klassifikatoren, anstatt die Fairness bereits auf Datenebene während der Generierung sicherzustellen.

2. Methodik: FairFinGAN

Die Autoren schlagen FairFinGAN vor, ein Framework auf Basis von Wasserstein GANs (WGAN), das speziell für die Erzeugung fairer synthetischer Finanzdaten (Tabellendaten) entwickelt wurde. Der Kernansatz besteht darin, Fairness-Constraints direkt in den Trainingsprozess des Generators zu integrieren.

Das Modell durchläuft einen zweistufigen Trainingsprozess:

• Phase 1: Synthese der Originaldaten (Adversarial Training):
  Wie bei einem Standard-WGAN arbeiten Generator ($G$) und Kritiker ($C$) gegeneinander. Ziel ist es, realistische Daten zu erzeugen, die die Verteilung der Originaldaten (Attribute $X$, Labels $Y$, geschützte Attribute $S$) genau nachahmen. In dieser Phase wird die Genauigkeit der Datenwiedergabe optimiert.

• Phase 2: Anpassung für faire Klassifikation (Fairness-Optimierung):
  In dieser Phase wird ein vorab auf den Originaldaten trainierter MLP-Klassifikator ($H$) eingeführt. Dieser Klassifikator bewertet die auf den synthetischen Daten getroffenen Vorhersagen.

  • Der Generator wird nun nicht nur darauf trainiert, realistische Daten zu erzeugen, sondern auch darauf, die Diskriminierungsscores des Klassifikators zu minimieren.
  • Ein Fairness-Verlustterm wird zur Gesamtverlustfunktion hinzugefügt, gewichtet mit einem Parameter $\lambda_{fair}$.
  • Es werden zwei Varianten implementiert, die unterschiedliche Fairness-Metriken optimieren:
    1. FairFinGAN-SP (Statistical Parity): Ziel ist es, die Wahrscheinlichkeit eines positiven Ergebnisses über alle Gruppen des geschützten Attributes hinweg gleich zu machen.
    2. FairFinGAN-EOd (Equalized Odds): Ziel ist es, sowohl die True-Positive-Rate als auch die False-Positive-Rate über die Gruppen hinweg auszugleichen.

Architektur:

• Generator: Ein neuronales Netz, das einen latenten Vektor $z$ in einen synthetischen Datensatz $(x', y', s')$ umwandelt. Für diskrete Attribute wird eine Gumbel-Softmax-Approximation verwendet, um die Differentierbarkeit zu gewährleisten.
• Kritiker: Ein WGAN-Kritiker mit LeakyReLU-Aktivierungsfunktionen, der die Realitätsnähe der Daten bewertet.
• Klassifikator: Ein MLP mit zwei versteckten Schichten, der als „Fairness-Checker" dient und dessen Gradienten den Generator in Phase 2 steuern.

3. Hauptbeiträge

1. Neues Framework: Einführung von FairFinGAN, dem ersten WGAN-basierten Ansatz, der Fairness-Constraints direkt in die Generierung tabellarischer Finanzdaten integriert.
2. Trainingsstrategie: Entwicklung einer zweiphasigen Strategie, die einen Klassifikator nutzt, um Fairness-Metriken (Statistical Parity und Equalized Odds) als Teil des Verlusts zu berechnen. Dies adressiert Bias auf Datenebene, bevor Klassifikatoren darauf trainiert werden.
3. Umfassende Evaluation: Das Modell wurde auf fünf realen Finanzdatensätzen (u. a. Adult, Credit Card, German Credit) getestet und mit State-of-the-Art-Methoden wie CTGAN und TabFairGAN verglichen.

4. Ergebnisse

Die Experimente zeigen, dass FairFinGAN einen signifikanten Fortschritt gegenüber bestehenden Methoden darstellt:

• Fairness vs. Nutzen (Utility): FairFinGAN erreicht die besten oder zweitbesten Werte in den meisten Fairness-Metriken (insbesondere SP, EO, EOd) über alle Datensätze hinweg. Im Gegensatz zu TabFairGAN, das oft eine hohe Fairness, aber eine stark reduzierte Vorhersagegenauigkeit aufweist, gelingt es FairFinGAN, einen besseren Kompromiss zu finden. Die Genauigkeit (Accuracy) der auf den synthetischen Daten trainierten Klassifikatoren bleibt vergleichbar mit denen auf Originaldaten oder CTGAN-generierten Daten.
• Vergleich mit Baselines:
  • Gegenüber CTGAN (ohne Fairness-Fokus) verbessert FairFinGAN die Fairness-Metriken drastisch, ohne die Datenqualität zu opfern.
  • Gegenüber TabFairGAN zeigt FairFinGAN eine stabilere Leistung und vermeidet extreme Genauigkeitsverluste, die bei TabFairGAN in einigen Szenarien beobachtet wurden.
• Robustheit: Das Modell funktioniert über verschiedene Klassifikatoren hinweg (Logistic Regression, Decision Tree, kNN, MLP) und verschiedene geschützte Attribute (Geschlecht, Alter, Rasse) zuverlässig.

5. Bedeutung und Ausblick

Die Arbeit ist von großer Bedeutung für den Finanzsektor, da sie einen Weg aufzeigt, wie synthetische Daten nicht nur datenschutzkonform, sondern auch ethisch fair erstellt werden können. Dies ist entscheidend für die Einhaltung regulatorischer Anforderungen (z. B. EU-AI-Act) und zur Vermeidung diskriminierender Algorithmen in der Kreditwürdigkeitsprüfung.

Zukünftige Arbeiten:
Die Autoren planen, das Framework auf mehrere geschützte Attribute gleichzeitig zu erweitern und es auf andere Domänen wie das Gesundheitswesen und die Bildung anzuwenden. Zudem wird die Integration von Differential Privacy und fortschrittlicheren Fairness-Metriken als nächster Schritt untersucht, um die Zuverlässigkeit und Anwendbarkeit der generierten Daten weiter zu erhöhen.

Fazit: FairFinGAN beweist, dass es möglich ist, synthetische Finanzdaten zu generieren, die sowohl nützlich für maschinelles Lernen als auch frei von diskriminierenden Verzerrungen sind, und stellt damit einen wichtigen Schritt hin zu vertrauenswürdiger KI im Finanzwesen dar.