🤖 machine learning

TED: Related Party Transaction guided Tax Evasion Detection on Heterogeneous Graph

Dieser Beitrag stellt TED vor, ein neuartiges Graph-Neuronales-Netzwerk-Modell, das heterogene Graphen und einen hierarchischen Aufmerksamkeitsmechanismus nutzt, um verbundene Parteiengeschäfte zu analysieren und die Leistung bei der Aufdeckung von Steuerhinterziehung durch die Erfassung komplexer interaktiver Informationen, die traditionelle statistische Methoden übersehen, erheblich zu verbessern.

Ursprüngliche Autoren: Yiming Xu, Bin Shi, Bo Dong, Jiaxiang Wang, Hua Wei, Qinghua Zheng

Veröffentlicht 2026-05-27

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yiming Xu, Bin Shi, Bo Dong, Jiaxiang Wang, Hua Wei, Qinghua Zheng

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich die globale Wirtschaft als einen riesigen, geschäftigen Marktplatz vor. Auf diesem Marktplatz halten sich die meisten Menschen an die Regeln, doch einige Ladenbesitzer versuchen, ihre Gewinne hinterlistig zu verbergen, um ihre faire Steuerlast zu umgehen. Dies ist Steuerhinterziehung, und sie gleicht einem Dieb, der aus der öffentlichen Kasse stiehlt, wodurch weniger Geld für Schulen, Straßen und Krankenhäuser übrig bleibt.

Lange Zeit versuchten die Steuerbehörden, diese Diebe zu fassen, indem sie die Bücher einzelner Ladenbesitzer (ihre Finanzdaten) prüften und Experten aufforderten, eine Liste mit „verdächtigen Anzeichen" zu erstellen. Wenn ein Ladenbesitzer zu viele rote Flaggen aufwies, wurde er markiert. Doch diese Methode war wie der Versuch, eine Nadel im Heuhaufen zu finden, indem man nur die Farbe der Nadel betrachtet und ignoriert, dass die Nadel möglicherweise in einer bestimmten Art von Kiste versteckt ist.

Dieser Artikel stellt eine neue, intelligentere Methode zur Aufdeckung dieser Steuerhinterzieher vor, die TED (Tax Evasion Detection) genannt wird. So funktioniert sie, erklärt durch einfache Analogien:

1. Das Problem: Es ist nicht nur ein einzelner Ladenbesitzer

Die Autoren erkannten, dass Steuerhinterziehung selten isoliert stattfindet. Sie umfasst meist ein Netz von Beziehungen. Ein „schlechter" Ladenbesitzer könnte mit einem „schlechten" Lieferanten, einem „schlechten" Buchhalter und einem „schlechten" Investor verbunden sein.

Der alte Weg: Einen Ladenbesitzer im Vakuum zu betrachten.
Der neue Weg (TED): Das gesamte Netz von Verbindungen zu betrachten.

Die Autoren erstellten eine riesige Karte, die als heterogener Graph bezeichnet wird. Stellen Sie sich diese Karte nicht nur als Punkte und Linien vor, sondern als eine komplexe Stadt mit verschiedenen Gebäudetypen:

Unternehmen (Die Läden)
Personen (Die Eigentümer und Investoren)
Güter (Die verkauften Waren)
Ereignisse (Die Transaktionen)

In dieser Stadt verbinden Linien diese Gebäude. Eine Person besitzt ein Unternehmen; ein Unternehmen kauft Güter; ein Unternehmen verkauft an ein anderes Unternehmen.

2. Die Herausforderung: Zu viel Rauschen

Das Problem mit dieser riesigen Stadtkarte ist, dass sie verrauscht ist. Es gibt Millionen unschuldiger Verbindungen. Ein Unternehmen könnte nur wegen eines normalen Geschäftsabschlusses einen Bleistift von einem anderen Unternehmen kaufen. Wenn man jede Verbindung betrachtet, erdrückt das Rauschen einen, und man übersieht die echten Kriminellen.

Der Artikel identifiziert eine bestimmte Art von Verbindung als „Rauchende Waffe": Verbindungen zwischen verbundenen Parteien (Related Party Transactions, RPT).

Analogie: Stellen Sie sich zwei Ladenbesitzer vor, die heimlich Schwager sind. Sie verkaufen sich Waren zu gefälschten Preisen, um Geld zu verschieben und Gewinne zu verstecken. Für einen Außenstehenden sieht dies wie ein normaler Verkauf aus, aber für den Steuerbeamten ist es ein verdächtiges „Familientreffen" des Geldes.

3. Die Lösung: Der „TED"-Detektiv

Die Autoren entwickelten ein System namens TED, das wie ein superschlauer Detektiv agiert. Es betrachtet nicht nur die ganze Stadt; es konzentriert sich auf spezifische, verdächtige Viertel, die RPT-Gruppen genannt werden.

So löst TED die beiden Hauptprobleme:

A. Filtern des Rauschens (Der „High-Order"-Filter)

Die meisten Computerprogramme betrachten Nachbarn, die nur einen Schritt entfernt sind (z. B. „An wen hat Unternehmen A verkauft?"). TED schaut tiefer. Es sucht nach RPT-Gruppen – spezifischen Mustern von Verbindungen, die bekanntermaßen für Steuerhinterziehung genutzt werden (wie eine Person, die zwei Unternehmen besitzt, die miteinander handeln).

Die Metapher: Stellen Sie sich vor, Sie suchen einen Dieb. Eine normale Suche betrachtet jeden, der am Dieb vorbeigegangen ist. TED ignoriert die Menge und betrachtet nur den „inneren Kreis" der Komplizen des Diebes. Indem es sich auf diese spezifischen Gruppen konzentriert, filtert TED das unschuldige „Rauschen" normaler Geschäfte heraus.

B. Die hierarchische Aufmerksamkeit (Die „schlaue Lupe")

Sobald TED diese verdächtigen Gruppen gefunden hat, muss es herausfinden, welche Teile der Gruppe am gefährlichsten sind.

Inner-RPT-Ebene: TED betrachtet innerhalb einer einzelnen verdächtigen Gruppe. Es fragt: „In dieser Gruppe von fünf Personen, welche zwei betreiben den verdächtigsten Handel?" Es verwendet einen Multi-Head-Attention-Mechanismus (denken Sie daran wie an mehrere Lupen, die aus verschiedenen Winkeln schauen), um die Bedeutung jeder Verbindung zu gewichten.
Cross-RPT-Ebene: TED betrachtet dann das gesamte Unternehmen. Ein Unternehmen könnte in fünf verschiedene verdächtige Gruppen verwickelt sein. TED fragt: „Welche dieser fünf Gruppen ist die größte Bedrohung?" Es weist jeder Gruppe ein „Gewicht" oder eine Punktzahl zu, um zu entscheiden, wie stark sie das endgültige Urteil beeinflussen soll.

4. Die Ergebnisse: Mehr Diebe gefasst

Die Autoren testeten TED mit echten Daten von Steuerbehörden in China. Sie verglichen es mit 13 anderen erstklassigen Methoden (wie Standard-KI-Modellen und Experten-Regelsystemen).

Das Ergebnis: TED war deutlich besser darin, Steuerhinterzieher zu fassen. Es verbesserte die Erkennungsgenauigkeit um etwa 7,6 % und den F1-Score (ein Maß dafür, wie gut es die Balance zwischen dem Fangen von Dieben und dem Vermeiden falscher Anschuldigungen unschuldiger Menschen hält) um 8,5 % im Vergleich zu den besten bestehenden Methoden.
Warum es funktionierte: Weil es aufhörte, isolierte Datenpunkte zu betrachten, und begann, die komplexen, versteckten Beziehungen zwischen Personen und Unternehmen zu verstehen.

Zusammenfassung

Denken Sie an die Aufdeckung von Steuerhinterziehung als das Finden einer Nadel im Heuhaufen.

Alte Methoden versuchten, die Nadel zu finden, indem sie die Farbe des Strohs betrachteten.
TED erkannte, dass die Nadel normalerweise in einer bestimmten, seltsam geformten Kiste (der RPT-Gruppe) versteckt ist. Es ignoriert den Rest des Heuhaufens, zoomt auf diese Kisten hinein und verwendet eine schlaue Lupe, um genau zu sehen, welcher Teil der Kiste die Nadel enthält.

Der Artikel kommt zu dem Schluss, dass diese Methode so effektiv ist, dass sie bereits in echte Risikomanagementsysteme von Steuerbehörden implementiert wurde. Dies beweist, dass das Verständnis davon, „wer wen kennt", in der Geschäftswelt der Schlüssel zur Bekämpfung von Steuerbetrug ist.

Technische Zusammenfassung: TED: Geführte Erkennung von Steuerhinterziehung durch verbundene Parteiengeschäfte auf heterogenen Graphen

Problemstellung
Steuerhinterziehung verursacht erhebliche Einnahmeverluste für die Regierung und untergräbt den fairen wirtschaftlichen Wettbewerb. Während bestehende Erkennungslösungen auf von Experten entworfene statistische Merkmale oder netzwerkbasierte Methoden zurückgreifen, scheitern sie oft daran, die reichhaltigen, interaktiven Informationen, die in Steuerszenarien inhärent sind, voll auszuschöpfen. Insbesondere haben traditionelle Methoden Schwierigkeiten, die komplexen, zusammengesetzten und verdeckten Beziehungen zwischen Steuerpflichtigen zu modellieren, insbesondere innerhalb von Gruppen für verbundene Parteiengeschäfte (Related Party Transaction, RPT). Darüber hinaus enthält heterogene Steuerdaten eine erhebliche Menge an Rauschen, bei dem irrelevante Beziehungen die für eine genaue Erkennung notwendigen Signale verschleiern. Der Beitrag adressiert die Herausforderung der Erkennung von Steuerhinterziehung, indem er Steuerszenarien als heterogene Graphen modelliert und RPT-Gruppen nutzt, um Rauschen zu filtern und tiefe strukturelle Semantik zu erfassen.

Methodik: Das TED-Framework
Die Autoren schlagen TED (RPT-geführte hierarchische Aufmerksamkeit auf heterogenen Graphen zur Erkennung von Steuerhinterziehung) vor, ein neuartiges Graph Neural Network (GNN)-Modell, das für den Betrieb auf heterogenen Graphen ausgelegt ist, die mehrere Entitätstypen (z. B. Unternehmen, Personen, Gegenstände, Ereignisse) und Beziehungstypen enthalten. Das Modell arbeitet auf zwei primären hierarchischen Ebenen:

RPT-Gruppe als Hochordnungs-Nähe:
Anstatt sich auf einfache Metapfade oder $k$ -Nachbarn zu verlassen, definiert TED RPT-Gruppen (z. B. Person-Unternehmen-Unternehmen-Person) als Hochordnungs-Nähestrukturen. Dieser Ansatz filtert niederordniges, für Steuerhinterziehung irrelevantes Rauschen heraus und konzentriert sich stattdessen auf komplexe Transaktionsgruppen, in denen Steuerhinterziehung wahrscheinlicher auftritt.
Hierarchischer Aufmerksamkeitsmechanismus:
Um die zusammengesetzten Einflüsse innerhalb und zwischen diesen RPT-Gruppen zu erfassen, setzt TED einen zweistufigen Aufmerksamkeitsrahmen ein:
- Inner-RPT-Ebene: Diese Ebene extrahiert Merkmale aus einzelnen RPT-Gruppeninstanzen, die einen Zielknoten umgeben. Sie nutzt einen Subgraph-Matching-Ansatz zur Identifizierung von Instanzen und setzt einen Multi-Head-Aufmerksamkeitsmechanismus ein, um die Bedeutung verschiedener Knoten innerhalb einer spezifischen RPT-Instanz zu gewichten. Sie aggregiert Merkmale aller Nachbarn innerhalb der Instanz und bewahrt dabei die heterogene Topologie, anstatt sie in einen homogenen Graphen zu kollabieren.
- Cross-RPT-Ebene: Diese Ebene aggregiert Informationen über verschiedene RPT-Gruppen hinweg. Da verschiedene RPT-Gruppen unterschiedliche Topologien und semantische Bedeutungen enthalten, wird ein Cross-RPT-Aufmerksamkeitsmechanismus verwendet, um die relative Bedeutung jedes RPT-Gruppentyps für den Zielknoten zu erlernen. Sie kombiniert die ursprünglichen Knotenmerkmale mit den aggregierten RPT-Merkmalen, um Aufmerksamkeitskoeffizienten zu berechnen, und erzeugt schließlich eine finale Knoten-Embedding.

Das Modell wird mit einem semi-überwachten Lernansatz trainiert, der die Kreuzentropieverlustfunktion auf gekennzeichneten Daten zur Steuerhinterziehung minimiert und gleichzeitig die Graphstruktur nutzt, um Informationen auf ungekennzeichnete Knoten zu propagieren.

Hauptbeiträge
Der Beitrag umreißt drei Hauptbeiträge:

Modellierung heterogener Graphen: Die Autoren untersuchen als erste die Erkennung von Steuerhinterziehung unter einem heterogenen Graphenmodell, das über 10 Arten von Knoten und Relationen integriert, und argumentieren, dass diese umfassende Darstellung die Erkennungsleistung im Vergleich zu merkmalsbasierten oder homogenen Graphenmethoden verbessert.
RPT-geführte hierarchische Aufmerksamkeit: Der Vorschlag, RPT-Gruppen als Hochordnungs-Nähe zu verwenden, um niederordniges Rauschen zu filtern, gekoppelt mit einem neuartigen hierarchischen Aufmerksamkeitsmodell (Inner-RPT- und Cross-RPT-Ebenen), um tiefe strukturelle und semantische Informationen aus komplexen, verdeckten Beziehungen zu gewinnen.
Anwendung und Evaluation in der realen Welt: Die Methode wurde auf ein reales Risikomanagementsystem einer chinesischen Steuerbehörde angewendet und an zwei von Menschen gekennzeichneten, realen Steuerdatensätzen (T20H und T15S) evaluiert.

Experimentelle Ergebnisse
Die Autoren evaluierten TED gegen 13 State-of-the-Art-Baselines, darunter Näherungserhaltende Methoden (z. B. HIN2Vec, Metapath2vec), Relationslernmethoden (z. B. TransE, DistMult), PU-Lernmethoden (z. B. PUNE) und Message-Passing-GNNs (z. B. GCN, HAN, HGT).

Leistung: TED übertraf alle Baselines signifikant. Auf den Datensätzen T20H und T15S erzielte es durchschnittliche F1-Score-Verbesserungen von 8,50 % bzw. 12,86 % und Genauigkeitsverbesserungen von 7,61 % bzw. 11,40 % gegenüber den besten bestehenden Methoden.
Robustheit: Das Modell zeigte Stabilität über varying positive sample ratios (PSR) im Trainingsdatensatz hinweg und behielt auch bei knappen gekennzeichneten Daten (z. B. 10 % PSR) eine überlegene Leistung bei.
Ablationsstudien: Experimente bestätigten die Notwendigkeit jeder Komponente. Das Entfernen der heterogenen Knotentypen (TED-hete), der Aufmerksamkeitsmechanismen (TED-att) oder spezifischer Aufmerksamkeitsebenen (TED-inner, TED-cross) führte zu einer signifikanten Leistungsverschlechterung.
Visualisierung: t-SNE-Visualisierungen zeigten, dass TED im Vergleich zu anderen Modellen eine klarere Trennung zwischen steuerhinterziehenden und normalen Unternehmen erzeugte, was auf ein überlegenes Repräsentationslernen hindeutet.
Effizienz: TED zeigte eine hohe Effizienz, erreichte vergleichbare Leistung wie andere Modelle in deutlich weniger Trainingszeit und zeigte eine lineare Skalierbarkeit mit der Graphengröße.

Bedeutung und Behauptungen
Der Beitrag behauptet, dass die primäre Bedeutung dieser Arbeit in der Verschiebung des Paradigmas der Steuerhinterziehungserkennung von der statischen Merkmalsextraktion hin zur dynamischen, strukturbewussten Modellierung unter Verwendung heterogener Graphen liegt. Durch die explizite Modellierung von RPT-Gruppen als Hochordnungs-Nähen adressiert die Methode effektiv die Herausforderungen „rauschender Beziehungen" und „zusammengesetzter Beziehungen", die in Steuerdaten inhärent sind. Die Autoren betonen, dass ihr Ansatz nicht nur die Erkennungsgenauigkeit verbessert, sondern auch ein Framework bereitstellt, das in reale Steuer-Risikomanagementsysteme integriert werden kann. Sie schließen daraus, dass der hierarchische Aufmerksamkeitsmechanismus erfolgreich verborgene semantische Informationen innerhalb komplexer Steuernetzwerke aufdeckt und eine robuste Lösung für ein globales wirtschaftliches Problem bietet. Als zukünftige Arbeit wird vorgeschlagen, Reinforcement Learning für die autonome Auswahl bedeutungsvoller RPT-Gruppen zu erforschen, was potenziell den Bedarf an Eingriffen von Domänenexperten reduzieren könnte.