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

Cet article présente Q-SYNTH, un cadre hybride quantique-classique de type adversaire génératif qui utilise un circuit quantique paramétré pour synthétiser des échantillons de transactions frauduleuses, résolvant efficacement le déséquilibre des classes dans la détection de fraude par carte de crédit en offrant un compromis favorable entre la fidélité de la distribution statistique et la performance de classification en aval par rapport aux bases de référence classiques.

L'essentiel

Le Problème : L'Aiguille dans la Botte de Foin

Imaginez que vous êtes un agent de sécurité dans un aéroport immense. Votre travail consiste à repérer les terroristes (les fraudeurs) parmi des millions de voyageurs ordinaires (les clients légitimes).

• La Réalité : Pour chaque 10 000 personnes qui passent, peut-être seulement 5 tentent réellement de faire du mal.
• L'Erreur : Si vous entraînez un ordinateur à repérer ces méchants en utilisant uniquement les données réelles, l'ordinateur devient paresseux. Il apprend que « tout le monde est bon », alors il devine simplement « Bon » pour tout le monde. Il obtient un score de 99,9 % à son test, mais il rate chaque seul méchant. Cela s'appelle le déséquilibre des classes.

Les Anciennes Solutions : « Copier-Coller » vs « Faux »

Pour résoudre ce problème, les experts tentent de donner à l'ordinateur plus d'exemples de méchants.

1. SMOTE (La Méthode « Copier-Coller ») : Imaginez prendre une photo d'un méchant, tracer une ligne droite jusqu'à un autre méchant, puis créer une nouvelle photo exactement au milieu. C'est sûr et cela ressemble beaucoup à la réalité, mais c'est un peu ennuyeux et cela ne montre pas toute la variété des façons dont les méchants pourraient agir.
2. Les GAN Classiques (Le « Contrefacteur d'Art ») : Cela utilise un programme informatique qui tente de « contrefaire » de faux profils de méchants. Une partie de l'IA (le Générateur) tente de fabriquer une fausse carte d'identité, et une autre partie (le Discriminateur) tente de repérer le faux. Ils jouent à chat et à souris. Bien que cela crée des faux très diversifiés, parfois les contrefaçons sont un peu trop évidentes ou ne correspondent pas parfaitement aux statistiques réelles.

La Nouvelle Solution : Q-SYNTH (Le « Contrefacteur d'Art Quantique »)

Ce document présente Q-SYNTH, un nouveau système hybride. Imaginez-le comme une collaboration entre un artiste humain et un robot quantique.

• Le Générateur (L'Artiste Quantique) : Au lieu d'utiliser un cerveau informatique standard, cette partie utilise un Circuit Quantique. Imaginez un ordinateur quantique comme un pinceau magique capable de mélanger des couleurs d'une manière qu'un pinceau normal ne peut pas faire. Il crée de nouveaux profils de fraude fictifs, mathématiquement complexes et diversifiés.
• Le Discriminateur (Le Critique d'Art Humain) : Cette partie est un ordinateur classique standard (comme ceux que nous utilisons aujourd'hui). Son travail est d'examiner les vrais profils de fraude et les faux générés par le quantique, et de tenter de les distinguer.

Ils jouent à un jeu : l'Artiste Quantique tente de créer des faux si bons que le Critique Humain ne peut pas les distinguer. Le Critique Humain tente de s'améliorer pour repérer les faux. Avec le temps, l'Artiste Quantique devient incroyablement doué pour créer des motifs de fraude réalistes.

Comment Ils L'Ont Testé

Les chercheurs ne se sont pas contentés de dire « ça marche ». Ils ont mené un test strict avec trois objectifs spécifiques :

1. Est-ce que ça ressemble au réel ? (Fidélité Statistique) : Ils ont vérifié si les données fictives correspondaient à la « forme » des données réelles (comme vérifier si les photos de fausses cartes d'identité ont la même distribution de couleurs d'yeux et de tailles que les vraies).
   • Résultat : L'Artiste Quantique (Q-SYNTH) a créé des faux beaucoup plus proches des données réelles que le « Contrefacteur d'Art » standard (GAN Classique), bien que la méthode « Copier-Coller » (SMOTE) soit restée la plus proche dans les statistiques simples.
2. Un robot peut-il les distinguer ? (Détection) : Ils ont entraîné un robot séparé pour tenter de repérer quelles données étaient réelles et lesquelles étaient fausses.
   • Résultat : Le robot faisait essentiellement des suppositions (50/50). C'est bien ! Cela signifie que les données fictives sont si réalistes qu'un ordinateur ne peut pas facilement les distinguer de la réalité.
3. Est-ce que ça aide à attraper la fraude ? (Performance en Aval) : Ils ont utilisé les données fictives pour entraîner un détecteur de fraude et ont vu s'il attrapait plus de méchants.
   • Résultat : Les données de l'Artiste Quantique ont aidé le détecteur à attraper plus de fraude que la méthode « Copier-Coller ». Bien que le « Contrefacteur d'Art » standard (GAN Classique) ait parfois été légèrement meilleur pour attraper la fraude, l'Artiste Quantique offrait un excellent équilibre : il était beaucoup meilleur pour ressembler à des données réelles et toujours très bon pour aider à attraper la fraude.

L'Expérience du « Bouton de Volume »

Les chercheurs ont également testé la quantité de données fictives à ajouter. Ils ont constaté que l'ajout d'un peu de données fictives n'aidait pas beaucoup. Mais lorsqu'ils ont ajouté une quantité modérée à élevée (environ 50 % de faux, 50 % de réel), le détecteur de fraude s'est considérablement amélioré dans son travail.

La Conclusion

Q-SYNTH est un nouvel outil qui utilise l'informatique quantique pour créer des données de fraude « fictives » incroyablement réalistes.

• Il résout le problème où les ordinateurs ignorent les cas de fraude rares.
• Il crée des données statistiquement très proches de la réalité (meilleur que les méthodes d'IA standard).
• Il aide les détecteurs de fraude à attraper plus de méchants sans avoir besoin de plus de données réelles.

Le document conclut que cette approche « Hybride » (Générateur Quantique + Critique Classique) est un compromis prometteur : elle offre la précision statistique des méthodes simples et la puissante capacité d'apprentissage de l'IA complexe, ce qui en fait un candidat solide pour lutter contre la fraude financière.

Résumé technique

Résumé Technique : Q-SYNTH

Énoncé du Problème
La détection de fraude par carte de crédit est fondamentalement entravée par un déséquilibre de classes extrême, où les transactions frauduleuses ne constituent qu'une infime fraction des données (souvent <1 %). Les apprenants supervisés standards privilégient la classe majoritaire (légitime), atteignant une précision globale élevée mais souffrant d'un faible rappel et de scores F1 médiocres pour la classe frauduleuse. Bien que l'augmentation de données synthétiques (par exemple, SMOTE, GAN) soit un remède courant, les méthodes existantes font face à une tension entre la fidélité distributionnelle (la mesure dans laquelle les échantillons synthétiques correspondent aux propriétés statistiques réelles) et la performance en aval (la mesure dans laquelle ils améliorent la détection de fraude). Les méthodes d'interpolation classiques comme SMOTE préservent les statistiques locales mais manquent de diversité, tandis que les Réseaux Antagonistes Génératifs (GAN) classiques offrent de la diversité mais éprouvent souvent des difficultés à correspondre aux distributions marginales et à assurer la stabilité dans des contextes tabulaires fortement déséquilibrés. De plus, la littérature existante privilégie souvent les métriques en aval sans auditer rigoureusement la similarité statistique entre les distributions de fraude réelles et synthétiques.

Méthodologie : Q-SYNTH
L'article propose Q-SYNTH, un cadre hybride classique-quantique antagoniste conçu pour synthétiser des échantillons de fraude de classe minoritaire dans des données tabulaires. L'architecture se compose de :

1. Prétraitement : Les données de transaction brutes sont transformées en un espace de représentation borné et de faible dimension. Cela implique la sélection de caractéristiques (les 10 meilleures caractéristiques), la standardisation, l'Analyse en Composantes Principales (ACP) pour réduire les dimensions à 4, et la normalisation dans l'intervalle $[-1, 1]$.
2. Générateur (Quantique) : Un circuit quantique paramétré (PQC) agit comme générateur. Il prend un vecteur latent, le mappe via un réseau de neurones classique vers des paramètres de circuit, et prépare un état quantique en utilisant un encodage par angle (rotations Y) suivi de couches variationnelles contenant des rotations à un qubit ($R_X, R_Y, R_Z$) et un enchevêtrement en anneau (portes CNOT). La sortie est obtenue via des valeurs d'attente de Pauli-Z, produisant naturellement des sorties bornées cohérentes avec le domaine prétraité.
3. Discriminateur (Classique) : Un réseau de neurones classique distingue les échantillons réels des échantillons générés.
4. Protocole d'Entraînement : Le cadre emploie une boucle d'entraînement antagoniste stabilisée comprenant :
   • Bruit d'Instance : Injecté dans les échantillons réels et générés pour prévenir le surapprentissage du discriminateur.
   • Régularisation : Combine la perte antagoniste avec le matching de caractéristiques (alignement des caractéristiques intermédiaires du discriminateur) et le matching de moments (alignement des moyennes et écarts-types par lot).
   • Réglage Adaptatif : Les paramètres de régularisation (échelle du bruit, lissage des étiquettes, dropout) sont ajustés dynamiquement en fonction du comportement du discriminateur pour maintenir des gradients informatifs.

Contributions Clés

• Cadre Hybride : Introduction de Q-SYNTH, où un circuit quantique variationnel génère des échantillons de classe minoritaire guidé par un discriminateur classique.
• Pipeline de Bout en Bout : Un flux de travail contrôlé allant du prétraitement et de la cartographie de représentation bornée à la transformation inverse pour l'évaluation en aval.
• Protocole d'Évaluation Unifié : Un cadre d'évaluation rigoureux évaluant conjointement la fidélité distributionnelle (en utilisant les statistiques de Kolmogorov–Smirnov, les distances de Wasserstein et la détectabilité réel-vs-synthétique via AUC-ROC) et la performance en aval (rappel de fraude et scores F1) à travers les classifieurs quantiques et classiques.
• Analyse Empirique du Compromis : Démonstration d'un compromis spécifique où le modèle hybride améliore la fidélité statistique par rapport aux GAN classiques tout en maintenant des performances de détection compétitives.

Résultats

• Fidélité Distributionnelle : En termes de similarité marginale avec les données de fraude réelles, SMOTE a atteint la fidélité la plus élevée (distances KS et Wasserstein les plus faibles) en raison de sa nature d'interpolation. Cependant, Q-SYNTH a considérablement surpassé la ligne de base GAN classique, réduisant l'écart de distribution marginale (par exemple, médiane KS de Q-SYNTH : 0,069 contre GAN Classique : 0,185). Crucialement, Q-SYNTH a maintenu une faible détectabilité réel-vs-synthétique (AUC $\approx$ 0,475, proche du hasard), indiquant que les échantillons synthétiques ne sont pas facilement distinguables des réels par un classifieur externe.
• Performance en Aval : Lorsqu'utilisé pour augmenter les données d'entraînement, Q-SYNTH a amélioré le rappel de fraude et les scores F1 à travers les Réseaux de Neurones Quantiques (QNN) et les classifieurs classiques (ANN, Régression Logistique, Forêt Aléatoire, XGBoost) par rapport aux bases de référence déséquilibrées et souvent par rapport à SMOTE. Bien que le GAN classique ait parfois atteint les scores absolus les plus élevés en aval dans des configurations spécifiques, Q-SYNTH est resté hautement compétitif.
• Analyse de Mise à l'Échelle : Les gains de performance étaient non monotones à de faibles ratios d'injection (10 % de données synthétiques ont parfois dégradé les performances). Les résultats optimaux ont été observés à des ratios d'injection modérés à élevés (50 % et 100 %), suggérant qu'un volume suffisant de données synthétiques est nécessaire pour déplacer efficacement la frontière de décision.

Signification et Revendications
L'article revendique que Q-SYNTH offre un compromis favorable entre fidélité statistique et utilité en aval. Bien que les GAN classiques puissent maximiser la performance en aval dans certains contextes, ils souffrent souvent d'un appariement de distribution marginale plus pauvre. À l'inverse, Q-SYNTH atténue les artefacts marginaux courants dans l'entraînement antagoniste classique sur des données tabulaires, fournissant des échantillons statistiquement plus fidèles aux distributions de fraude réelles tout en continuant à générer des améliorations significatives des métriques de détection de fraude. L'étude positionne l'augmentation quantique hybride comme une approche faisable et prometteuse pour résoudre les goulots d'étranglement spécifiques de la détection de fraude déséquilibrée, en particulier dans les représentations tabulaires de faible dimension. Les auteurs notent que ces résultats sont obtenus dans le cadre d'un pipeline de représentation compressée et appellent à de futurs travaux sur des métriques de fidélité dépendantes et une évaluation adaptée au matériel sous des contraintes NISQ (Quantique à Échelle Intermédiaire Bruyante) réalistes.