Q-SYNTH: Hybrid Quantum-Classical Adversarial Augmentation for Imbalanced Fraud Detection

Este artículo presenta Q-SYNTH, un marco generativo adversarial híbrido cuántico-clásico que utiliza un circuito cuántico parametrizado para sintetizar muestras de transacciones fraudulentas, abordando eficazmente el desequilibrio de clases en la detección de fraude con tarjetas de crédito al ofrecer un compromiso favorable entre la fidelidad de la distribución estadística y el rendimiento de clasificación posterior en comparación con las líneas base clásicas.

Lo esencial

El Problema: La "Aguja en un Pajar"

Imagina que eres un guardia de seguridad en un aeropuerto masivo. Tu trabajo es detectar terroristas (fraudadores) entre millones de viajeros normales (clientes legítimos).

• La Realidad: Por cada 10.000 personas que pasan, quizás solo 5 están realmente intentando hacer algo malo.
• El Error: Si entrenas a una computadora para detectar a estos malos usando solo los datos reales, la computadora se vuelve perezosa. Aprende que "todos son buenos", así que simplemente adivina "Bueno" para todos. Obtiene una puntuación del 99,9% en su prueba, pero se pierde a cada uno de los malos. Esto se llama desequilibrio de clases.

Las Viejas Soluciones: "Copiar y Pegar" vs. "Fingirlo"

Para solucionar esto, los expertos intentan darle a la computadora más ejemplos de malos.

1. SMOTE (El Método "Copiar y Pegar"): Imagina tomar una foto de un malo y dibujar una línea recta hacia otro malo, luego crear una foto nueva justo en el medio. Es seguro y se parece mucho a la realidad, pero es un poco aburrido y no muestra la variedad completa de cómo podrían actuar los malos.
2. GANs Clásicas (El "Falsificador de Arte"): Esto utiliza un programa informático que intenta "falsificar" perfiles de malos. Una parte de la IA (el Generador) intenta hacer una identificación falsa, y otra parte (el Discriminador) intenta atrapar la falsificación. Juegan un juego de gato y ratón. Aunque esto crea falsificaciones muy diversas, a veces las falsificaciones son un poco demasiado obvias o no coinciden perfectamente con las estadísticas reales.

La Nueva Solución: Q-SYNTH (El "Falsificador de Arte Cuántico")

Este artículo presenta Q-SYNTH, un nuevo sistema híbrido. Piénsalo como una colaboración entre un artista humano y un robot cuántico.

• El Generador (El Artista Cuántico): En lugar de usar un cerebro informático estándar, esta parte utiliza un Circuito Cuántico. Imagina una computadora cuántica como un pincel mágico que puede mezclar colores de formas que un pincel normal no puede. Crea nuevos perfiles de fraude falsos que son matemáticamente complejos y diversos.
• El Discriminador (El Crítico de Arte Humano): Esta parte es una computadora estándar, clásica (como las que usamos hoy). Su trabajo es mirar los perfiles de fraude reales y los falsos generados por el cuántico e intentar distinguirlos.

Juegan un juego: El Artista Cuántico intenta hacer falsificaciones tan buenas que el Crítico Humano no pueda distinguirlas. El Crítico Humano intenta mejorar en detectar las falsificaciones. Con el tiempo, el Artista Cuántico se vuelve increíblemente bueno creando patrones de fraude realistas.

Cómo lo Probaron

Los investigadores no solo dijeron "funciona". Realizaron una prueba estricta con tres objetivos específicos:

1. ¿Se ve real? (Fidelidad Estadística): Verificaron si los datos falsos coincidían con la "forma" de los datos reales (como verificar si las fotos de identificación falsas tienen la misma distribución de colores de ojos y alturas que las reales).
   • Resultado: El Artista Cuántico (Q-SYNTH) creó falsificaciones mucho más cercanas a los datos reales que el "Falsificador de Arte" estándar (GAN Clásica), aunque el método "Copiar y Pegar" (SMOTE) seguía siendo el más cercano en estadísticas simples.
2. ¿Puede un robot distinguirlos? (Detectabilidad): Entrenaron a un robot separado para intentar detectar qué datos eran reales y cuáles falsos.
   • Resultado: El robot básicamente adivinaba (50/50). ¡Esto es bueno! Significa que los datos falsos son tan realistas que incluso una computadora no puede distinguirlos fácilmente de la realidad.
3. ¿Ayuda a atrapar fraudes? (Rendimiento Posterior): Usaron los datos falsos para entrenar un detector de fraudes y vieron si atrapaba a más malos.
   • Resultado: Los datos del Artista Cuántico ayudaron al detector a atrapar más fraude que el método "Copiar y Pegar". Aunque el "Falsificador de Arte" estándar (GAN Clásica) a veces fue ligeramente mejor atrapando fraudes, el Artista Cuántico ofreció un gran equilibrio: fue mucho mejor pareciéndose a datos reales y todavía muy bueno ayudando a atrapar fraudes.

El Experimento del "Botón de Volumen"

Los investigadores también probaron cuánto dato falso agregar. Descubrieron que agregar un poco de dato falso no ayudó mucho. Pero cuando agregaron una cantidad moderada a alta (aproximadamente 50% falso, 50% real), el detector de fraudes mejoró significativamente en su trabajo.

La Conclusión

Q-SYNTH es una nueva herramienta que utiliza la computación cuántica para crear datos de fraude "falsos" increíblemente realistas.

• Soluciona el problema donde las computadoras ignoran los casos de fraude raros.
• Crea datos que son estadísticamente muy cercanos a la realidad (mejor que los métodos estándar de IA).
• Ayuda a los detectores de fraudes a atrapar a más malos sin necesidad de más datos del mundo real.

El artículo concluye que este enfoque "Híbrido" (Generador Cuántico + Crítico Clásico) es una prometedora vía intermedia: ofrece la precisión estadística de métodos simples y la poderosa capacidad de aprendizaje de la IA compleja, convirtiéndolo en un candidato sólido para combatir el fraude financiero.

Resumen técnico

Resumen Técnico: Q-SYNTH

Enunciado del Problema
La detección de fraude con tarjetas de crédito se ve fundamentalmente obstaculizada por un desequilibrio de clases extremo, donde las transacciones fraudulentas constituyen una fracción mínima de los datos (a menudo <1%). Los aprendices supervisados estándar priorizan la clase mayoritaria (legítima), logrando una precisión general alta pero sufriendo un bajo recall y puntuaciones F1 para la clase de fraude. Si bien la augmentación de datos sintéticos (por ejemplo, SMOTE, GANs) es un remedio común, los métodos existentes enfrentan una tensión entre la fidelidad distribucional (qué tan bien las muestras sintéticas coinciden con las propiedades estadísticas reales) y el rendimiento aguas abajo (qué tan bien mejoran la detección de fraude). Los métodos de interpolación clásicos como SMOTE preservan las estadísticas locales pero carecen de diversidad, mientras que las Redes Adversarias Generativas (GANs) clásicas ofrecen diversidad pero a menudo luchan con la coincidencia de distribuciones marginales y la estabilidad en configuraciones tabulares altamente desequilibradas. Además, la literatura existente a menudo prioriza las métricas aguas abajo sin auditar rigurosamente la similitud estadística entre las distribuciones de fraude reales y sintéticas.

Metodología: Q-SYNTH
El artículo propone Q-SYNTH, un marco adversario híbrido clásico-cuántico diseñado para sintetizar muestras de la clase minoritaria de fraude en datos tabulares. La arquitectura consta de:

1. Preprocesamiento: Los datos de transacciones crudos se transforman en un espacio de representación acotado y de baja dimensión. Esto implica selección de características (las 10 mejores características), estandarización, Análisis de Componentes Principales (PCA) para reducir las dimensiones a 4, y normalización al rango $[-1, 1]$.
2. Generador (Cuántico): Un circuito cuántico parametrizado (PQC) actúa como generador. Toma un vector latente, lo mapea mediante una red neuronal clásica a parámetros del circuito y prepara un estado cuántico utilizando incrustación de ángulos (rotaciones Y) seguido de capas variacionales que contienen rotaciones de un solo qubit ($R_X, R_Y, R_Z$) y entrelazamiento en anillo (puertas CNOT). La salida se obtiene mediante valores esperados de Pauli-Z, produciendo naturalmente salidas acotadas consistentes con el dominio preprocesado.
3. Discriminador (Clásico): Una red neuronal clásica distingue entre muestras reales y generadas.
4. Protocolo de Entrenamiento: El marco emplea un bucle de entrenamiento adversario estabilizado que presenta:
   • Ruido de Instancia: Inyectado tanto en muestras reales como generadas para prevenir el sobreajuste del discriminador.
   • Regularización: Combina la pérdida adversaria con coincidencia de características (alineando las características intermedias del discriminador) y coincidencia de momentos (alineando las medias y desviaciones estándar por lote).
   • Ajuste Adaptativo: Los parámetros de regularización (escala de ruido, suavizado de etiquetas, dropout) se ajustan dinámicamente según el comportamiento del discriminador para mantener gradientes informativos.

Contribuciones Clave

• Marco Híbrido: Introducción de Q-SYNTH, donde un circuito cuántico variacional genera muestras de la clase minoritaria guiado por un discriminador clásico.
• Pipeline de Extremo a Extremo: Un flujo de trabajo controlado desde el preprocesamiento y el mapeo de representación acotada hasta la transformación inversa para la evaluación aguas abajo.
• Protocolo de Evaluación Unificado: Un marco de evaluación riguroso que evalúa conjuntamente la fidelidad distribucional (utilizando estadísticas de Kolmogorov–Smirnov, distancias de Wasserstein y detectabilidad real-vs-sintética mediante AUC-ROC) y el rendimiento aguas abajo (recall de fraude y puntuaciones F1) tanto en clasificadores cuánticos como clásicos.
• Análisis Empírico de Compensación: Demostración de un compromiso específico donde el modelo híbrido mejora la fidelidad estadística sobre las GANs clásicas mientras mantiene un rendimiento de detección competitivo.

Resultados

• Fidelidad Distribucional: En términos de similitud marginal con los datos de fraude reales, SMOTE logró la mayor fidelidad (distancias KS y Wasserstein más bajas) debido a su naturaleza de interpolación. Sin embargo, Q-SYNTH superó significativamente a la línea base de GAN clásica, reduciendo la brecha de distribución marginal (por ejemplo, mediana KS de Q-SYNTH: 0.069 vs. GAN Clásica: 0.185). Crucialmente, Q-SYNTH mantuvo una baja detectabilidad real-vs-sintética (AUC $\approx$ 0.475, cercano al azar), lo que indica que las muestras sintéticas no son fácilmente distinguibles de las reales por un clasificador externo.
• Rendimiento Aguas Abajo: Cuando se utilizó para augmentar los datos de entrenamiento, Q-SYNTH mejoró el recall de fraude y las puntuaciones F1 en Redes Neuronales Cuánticas (QNN) y clasificadores clásicos (ANN, Regresión Logística, Random Forest, XGBoost) en comparación con las líneas base desequilibradas y a menudo en comparación con SMOTE. Aunque la GAN clásica ocasionalmente logró las puntuaciones absolutas aguas abajo más altas en configuraciones específicas, Q-SYNTH permaneció altamente competitiva.
• Análisis de Escalado: Las ganancias de rendimiento fueron no monótonas en ratios de inyección bajos (10% de datos sintéticos a veces degradó el rendimiento). Se observaron resultados óptimos en ratios de inyección moderados a altos (50% y 100%), lo que sugiere que se requiere un volumen suficiente de datos sintéticos para desplazar efectivamente el límite de decisión.

Significado y Afirmaciones
El artículo afirma que Q-SYNTH ofrece un compromiso favorable entre la fidelidad estadística y la utilidad aguas abajo. Si bien las GANs clásicas pueden maximizar el rendimiento aguas abajo en algunos entornos, a menudo sufren de una peor coincidencia de distribuciones marginales. Por el contrario, Q-SYNTH mitiga los artefactos marginales comunes en el entrenamiento adversario clásico sobre datos tabulares, proporcionando muestras que son estadísticamente más fieles a las distribuciones reales de fraude mientras aún impulsan mejoras significativas en las métricas de detección de fraude. El estudio posiciona la augmentación cuántica híbrida como un enfoque factible y prometedor para abordar los cuellos de botella específicos de la detección de fraude desequilibrada, particularmente en representaciones tabulares de baja dimensión. Los autores señalan que estos resultados se obtienen dentro de un pipeline de representación comprimida y solicitan trabajos futuros sobre métricas de fidelidad dependientes de la dependencia y evaluación consciente del hardware bajo restricciones realistas de NISQ (Computación Cuántica Intermedia a Escala Ruidosa).