Resumen Técnico: Un Estudio Comparativo de CNN-LSTM y Redes Neuronales de Grafos para la Detección de Fraude en Tarjetas de Crédito

1. Planteamiento del Problema

La rápida expansión de las transacciones digitales ha superado a los sistemas tradicionales de detección de fraude basados en reglas, los cuales luchan por capturar los patrones no lineales, temporales y relacionales inherentes a los datos financieros modernos. Si bien el aprendizaje profundo ofrece una solución, existe una brecha significativa en la literatura con respecto a una comparación justa y controlada entre las arquitecturas profundas secuenciales (específicamente CNN-LSTM) y los modelos relacionales basados en grafos (Redes Neuronales de Grafos, o GNN).

Además, la detección de fraude enfrenta el desafío crítico del desequilibrio extremo de clases (a menudo <0.2% de casos de fraude), donde las métricas de precisión estándar resultan engañosas. Los estudios existentes suelen carecer de comparaciones directas utilizando el mismo preprocesamiento, protocolos de validación y optimización consciente de la equidad, lo que dificulta determinar qué paradigma es superior para datos de transacciones anonimizados y ricos en características.

2. Metodología

Los autores realizaron un estudio comparativo controlado de extremo a extremo utilizando el conjunto de datos público de Kaggle "Credit Card Fraud Detection" (284,807 transacciones, 492 fraudulentas). El estudio empleó divisiones de datos idénticas (70% entrenamiento, 15% validación, 15% prueba), preprocesamiento y métricas de evaluación para ambos modelos.

Preprocesamiento de Datos y Manejo del Desequilibrio

• Normalización: Las características fueron estandarizadas utilizando un Standard Scaler.
• Desequilibrio de Clases: Se aplicó un enfoque de ponderación de clases (class-weighting) durante el entrenamiento, asignando pesos de pérdida más altos a la clase minoritaria (fraude).
• Ajuste de Umbral: Los umbrales de decisión se optimizaron en el conjunto de validación para maximizar la puntuación F1, yendo más allá del punto de corte predeterminado de 0.5 para equilibrar la precisión y la exhaustividad (recall).

Arquitecturas de Modelos

1. CNN-LSTM (Secuencial/Híbrida):

   • Estructura: Una capa convolucional 1D (64 filtros) para extraer correlaciones de características locales, seguida de una Normalización por Lotes (Batch Normalization), una LSTM Bidireccional (128 unidades) para capturar dependencias temporales, Global Average Pooling, Dropout (0.3) y una salida Sigmoide.
   • Racional: Diseñada para capturar interacciones espaciales de características y dinámicas secuenciales simultáneamente sin requerir grafos relacionales explícitos.
   • Entrenamiento: Optimizador Adam, pérdida de entropía cruzada binaria, 25 épocas.

2. Red Neuronal de Grafos (GNN):

   • Estructura: Un marco GraphSAGE. Debido a la naturaleza anonimizada del conjunto de datos (sin atributos relacionales explícitos), se construyó un grafo pseudo-sintético. Los titulares de tarjetas y los comercios se infirieron como nodos, y las transacciones como aristas, utilizando la discretización por cuantiles para la clasificación de comercios.
   • Racional: Diseñada para modelar estructuras relacionales y detectar comportamientos de colusión (anillos de fraude).
   • Entrenamiento: Entropía cruzada binaria con logits (ponderados) y una variante de Focal Loss. Se probaron dos versiones: ponderación estándar y Focal Loss con pesos recortados.

Métricas de Evaluación

El estudio priorizó métricas sensibles al desequilibrio sobre la precisión bruta:

• Precisión, Exhaustividad (Recall), Puntuación F1: Para evaluar la identificación de la clase de fraude.
• ROC-AUC y PR-AUC: Para medir la capacidad de discriminación independiente de los umbrales, destacando específicamente el PR-AUC para conjuntos de datos desequilibrados.
• Latencia: Tiempo promedio de inferencia por muestra para evaluar la viabilidad de despliegue en tiempo real.

3. Resultados Clave

Los resultados experimentales revelaron una marcada disparidad de rendimiento entre las dos arquitecturas en este conjunto de datos específico:

• Rendimiento de CNN-LSTM:

  • Tras el ajuste del umbral (optimizado en 0.9995), el modelo alcanzó una Precisión de 0.9138, una Exhaustividad de 0.7162 y una Puntuación F1 de 0.8030.
  • Mantuvo un alto ROC-AUC de 0.9795.
  • El modelo base (umbral 0.5) logró un PR-AUC de 0.8124; sin embargo, la Sección 5.1 señala que tras la calibración del umbral, el área de precisión-exhaustividad fue de 0.792.
  • El modelo demostró una baja latencia, lo que lo hace adecuado para la inferencia en tiempo real.

• Rendimiento de GNN:

  • La GNN tuvo dificultades significativas. La Sección 4.3 reporta un PR-AUC de apenas 0.012 y un ROC-AUC de 0.711 para el modelo base (BCE con pos_weight), con una precisión de 0.0045 y una exhaustividad de 0.5135.
  • La Tabla 2 enumera el PR-AUC de la GNN (BCE) como 0.0021, resaltando una discrepancia entre la descripción del texto y los resultados tabulados.
  • Incluso con Focal Loss, el modelo falló en distinguir el fraude, prediciendo a menudo todas las transacciones como fraudulentas (Precisión/Exhaustividad de cero).
  • Los autores atribuyen este fallo a la falta de datos relacionales significativos en el conjunto de datos anonimizado; la construcción del grafo sintético no pudo generar suficiente señal para que la GNN aprendiera.

4. Contribuciones Clave

• Marco Comparativo Controlado: El artículo proporciona una comparación reproducible y justa entre CNN-LSTM y GNN utilizando los mismos conjuntos de datos, preprocesamiento y protocolos de ajuste de hiperparámetros, abordando un vacío en la literatura existente.
• Evidencia Empírica sobre Datos Anonimizados: El estudio demuestra que, aunque las GNN son teóricamente poderosas para la detección de fraude relacional, fallan al generalizarse en conjuntos de datos con características densas y altamente anonimizados donde faltan atributos relacionales explícitos (por ejemplo, dispositivos compartidos, redes de comercios).
• Importancia de la Calibración de Umbrales: La investigación destaca que el ajuste de umbrales es crítico para el despliegue práctico, mejorando significamente la precisión sin sacrificar la exhaustividad en dominios altamente sesgados.
• Selección de Métricas: El documento aboga por el uso de PR-AUC y la puntuación F1 sobre la precisión para proporcionar una evaluación realista de las capacidades de detección de fraude.

5. Significado y Reivindicaciones

El artículo sostiene que para datos de transacciones anonimizados y ricos en características, las arquitecturas CNN-LSTM son superiores a las GNN. El modelo híbrido aprovecha con éxito las secuencias temporales y las interacciones de características sin requerir estructuras de grafos externas.

Los autores enfatizan que las características de los datos dictan la idoneidad del modelo:

• CNN-LSTM es la opción preferida para la detección basada en características en tiempo real en entornos donde los datos relacionales no están disponibles o están anonimizados.
• Las GNN siguen siendo valiosas, pero dependen de la disponibilidad de atributos relacionales explícitos (por ejemplo, redes de comercios cruzadas, uso compartido de dispositivos) para funcionar eficazmente.

El estudio concluye que los futuros sistemas de detección de fraude podrían beneficiarse de enfoques híbridos que combinen el modelado de secuencias con el razonamiento de grafos, siempre que los datos relacionales necesarios estén accesibles. También subraya la necesidad de rigor metodológico en la investigación de IA, asegurando que las comparaciones no se vean confundidas por un preprocesamiento o métricas de evaluación inconsistentes.