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

Riepilogo Tecnico: Q-SYNTH

Enunciato del Problema
La rilevazione delle frodi con carta di credito è fondamentalmente ostacolata da uno squilibrio estremo delle classi, dove le transazioni fraudolente costituiscono una minuscola frazione dei dati (spesso <1%). Gli apprendisti supervisionati standard privilegiano la classe maggioritaria (legittima), ottenendo un'accuratezza complessiva elevata ma soffrendo di un scarso richiamo (recall) della classe frode e di punteggi F1 bassi. Sebbene l'aumento dei dati sintetici (ad es. SMOTE, GAN) sia un rimedio comune, i metodi esistenti affrontano una tensione tra fedeltà distributiva (quanto bene i campioni sintetici corrispondono alle proprietà statistiche reali) e prestazioni a valle (quanto bene migliorano la rilevazione delle frodi). I metodi di interpolazione classici come SMOTE preservano le statistiche locali ma mancano di diversità, mentre le Reti Avversariali Generative (GAN) classiche offrono diversità ma spesso faticano a corrispondere le distribuzioni marginali e a garantire stabilità in contesti tabulari fortemente sbilanciati. Inoltre, la letteratura esistente spesso privilegia le metriche a valle senza verificare rigorosamente la similarità statistica tra le distribuzioni reali e quelle sintetiche delle frodi.

Metodologia: Q-SYNTH
Il documento propone Q-SYNTH, un framework avversario ibrido classico-quantistico progettato per sintetizzare campioni della classe minoritaria delle frodi in dati tabulari. L'architettura è composta da:

1. Preprocessing: I dati grezzi delle transazioni vengono trasformati in uno spazio di rappresentazione limitato e a bassa dimensionalità. Ciò comporta la selezione delle caratteristiche (top 10), la standardizzazione, l'Analisi delle Componenti Principali (PCA) per ridurre le dimensioni a 4 e la normalizzazione nell'intervallo $[-1, 1]$.
2. Generatore (Quantistico): Un circuito quantistico parametrico (PQC) funge da generatore. Accetta un vettore latente, lo mappa tramite una rete neurale classica nei parametri del circuito e prepara uno stato quantistico utilizzando l'embedding angolare (rotazioni Y) seguito da livelli variazionali contenenti rotazioni a singolo qubit ($R_X, R_Y, R_Z$) e entanglement ad anello (porte CNOT). L'output è ottenuto tramite valori di aspettazione di Pauli-Z, producendo naturalmente output limitati coerenti con il dominio pre-elaborato.
3. Discriminatore (Classico): Una rete neurale classica distingue tra campioni reali e generati.
4. Protocollo di Addestramento: Il framework impiega un ciclo di addestramento avversario stabilizzato caratterizzato da:
   • Rumore d'istanza: Iniettato sia nei campioni reali che in quelli generati per prevenire l'overfitting del discriminatore.
   • Regolarizzazione: Combina la perdita avversaria con il matching delle caratteristiche (allineamento delle caratteristiche intermedie del discriminatore) e il matching dei momenti (allineamento di medie e deviazioni standard per batch).
   • Sintonizzazione Adattiva: I parametri di regolarizzazione (scala del rumore, smoothing delle etichette, dropout) vengono aggiustati dinamicamente in base al comportamento del discriminatore per mantenere gradienti informativi.

Contributi Chiave

• Framework Ibrido: Introduzione di Q-SYNTH, dove un circuito quantistico variazionale genera campioni della classe minoritaria guidato da un discriminatore classico.
• Pipeline End-to-End: Un flusso di lavoro controllato dal preprocessing e dalla mappatura in rappresentazioni limitate fino alla trasformazione inversa per la valutazione a valle.
• Protocollo di Valutazione Unificato: Un framework di valutazione rigoroso che valuta congiuntamente la fedeltà distributiva (utilizzando statistiche di Kolmogorov–Smirnov, distanze di Wasserstein e rilevabilità reale-vs-sintetica tramite AUC-ROC) e le prestazioni a valle (richiamo frode e punteggio F1) sia per classificatori quantistici che classici.
• Analisi Empirica del Trade-off: Dimostrazione di un compromesso specifico in cui il modello ibrido migliora la fedeltà statistica rispetto alle GAN classiche mantenendo al contempo prestazioni di rilevazione competitive.

Risultati

• Fedeltà Distributiva: In termini di similarità marginale con i dati reali delle frodi, SMOTE ha raggiunto la massima fedeltà (minori distanze KS e Wasserstein) grazie alla sua natura di interpolazione. Tuttavia, Q-SYNTH ha superato significativamente la baseline GAN classica, riducendo il divario nella distribuzione marginale (ad es. mediana KS di Q-SYNTH: 0,069 contro GAN Classica: 0,185). Crucialmente, Q-SYNTH ha mantenuto una bassa rilevabilità reale-vs-sintetica (AUC $\approx$ 0,475, vicino al caso casuale), indicando che i campioni sintetici non sono facilmente distinguibili da quelli reali da un classificatore esterno.
• Prestazioni a Valle: Quando utilizzato per aumentare i dati di addestramento, Q-SYNTH ha migliorato il richiamo delle frodi e i punteggi F1 attraverso le Reti Neurali Quantistiche (QNN) e i classificatori classici (ANN, Regressione Logistica, Random Forest, XGBoost) rispetto alle baseline sbilanciate e spesso rispetto a SMOTE. Sebbene la GAN classica abbia talvolta raggiunto i punteggi assoluti più alti a valle in configurazioni specifiche, Q-SYNTH è rimasto altamente competitivo.
• Analisi di Scalabilità: I guadagni di prestazioni sono stati non monotoni a bassi rapporti di iniezione (il 10% di dati sintetici ha talvolta degradato le prestazioni). I risultati ottimali sono stati osservati a rapporti di iniezione da moderati ad alti (50% e 100%), suggerendo che è richiesto un volume sufficiente di dati sintetici per spostare efficacemente il confine decisionale.

Significato e Affermazioni
Il documento afferma che Q-SYNTH offre un compromesso favorevole tra fedeltà statistica e utilità a valle. Sebbene le GAN classiche possano massimizzare le prestazioni a valle in alcuni contesti, spesso soffrono di un peggiore adattamento delle distribuzioni marginali. Al contrario, Q-SYNTH mitiga gli artefatti marginali comuni nell'addestramento avversario classico su dati tabulari, fornendo campioni statisticamente più fedeli alle distribuzioni reali delle frodi, pur guidando miglioramenti significativi nelle metriche di rilevazione delle frodi. Lo studio posiziona l'aumento quantistico ibrido come un approccio fattibile e promettente per affrontare i colli di bottiglia specifici della rilevazione delle frodi sbilanciata, in particolare nelle rappresentazioni tabulari a bassa dimensionalità. Gli autori notano che questi risultati sono ottenuti all'interno di una pipeline di rappresentazione compressa e chiedono lavori futuri su metriche di fedeltà consapevoli delle dipendenze e valutazioni consapevoli dell'hardware sotto vincoli NISQ (Quantistici a Rumore Intermedio su Scala) realistici.