Rule-to-Data Knowledge Transfer via Optimal Transport for Weakly Supervised Anomaly Detection on Transaction Graphs

Sintesi Tecnica: Trasferimento di Conoscenza da Regole a Dati tramite Trasporto Ottimale per il Rilevamento di Anomalie Debolmente Supervisionato su Grafi di Transazioni

Definizione del Problema
Il rilevamento di anomalie nei grafi di transazione, in particolare nel settore dell'Anti-Money Laundering (AML), affronta sfide significative dovute alla scarsità di dati etichettati di alta qualità, il che richiede costose indagini da parte di esperti. Sebbene i metodi debolmente supervisionati tentino di sfruttare regole definite dagli esperti o etichette euristiche per generare pseudo-etichette per i dati non etichettati, gli approcci esistenti soffrono di tre limitazioni fondamentali:

1. Perdita della Struttura Gerarchica: Le regole vengono spesso ridotte a funzioni di etichettatura piatte, ignorando i percorsi decisionali gerarchici e le condizioni condivise che definiscono pattern comportamentali correlati.
2. Discrepanza Semantica: Esiste un divario tra le rappresentazioni simboliche e discrete delle regole e le rappresentazioni continue dei dati (embedding) delle transazioni, rendendo difficile un trasferimento di conoscenza affidabile.
3. Propagazione del Rumore: Le pseudo-etichette generate da campioni etichettati limitati e sbilanciati sono intrinsecamente incerte. Trattarle come supervisioni rigide (hard supervision) può propagare errori durante l'intero processo di apprendimento.

Metodologia
Gli autori propongono un framework unificato di apprendimento debolmente supervisionato progettato per colmare il divario tra la conoscenza basata su regole e le rappresentazioni basate sui dati, mitigando al contempo il rumore. L'architettura consiste in un design a due rami e un processo di addestramento in tre fasi:

1. Apprendimento di Rappresentazione a Due Rami:

   • Ramo delle Regole (Rule Branch): Un albero di decisione viene addestrato su dati etichettati limitati. Invece di utilizzare le predizioni delle foglie come etichette isolate, i percorsi decisionali vengono trasformati in un Grafo di Regole (Rule Graph). In questo grafo, i nodi delle transazioni e i nodi delle condizioni decisionali sono connessi in base ai percorsi di attraversamento condivisi. Una rete neurale a grafi (GNN) con meccanismi di attenzione codifica questo grafo per catturare la semantica gerarchica delle regole e aggregare informazioni coerenti con le regole, producendo prototipi di regola per le classi illecite e lecite.
   • Ramo dei Dati (Data Branch): Le caratteristiche grezze delle transazioni vengono codificate in embedding densi utilizzando un Perceptron Multistrato (MLP).

2. Allineamento tramite Trasporto Ottimale (OT) Cross-Domain:

   • Per affrontare la discrepanza semantica tra lo spazio simbolico delle regole e lo spazio continuo dei dati, il framework impiega il Trasporto Ottimale.
   • L'OT stabilisce corrispondenze "soft" tra i prototipi delle regole (distribuzione sorgente) e gli embedding delle transazioni (distribuzione target) minimizzando una matrice di costo (ad esempio, la distanza euclidea) con regolarizzazione entropica.
   • Il piano di trasporto risultante genera pseudo-etichette soft (distribuzioni di probabilità su tipi di regole) per le transazioni non etichettate, anziché assegnazioni binarie rigide.

3. Raffinamento Contrastivo delle Pseudo-Etichette:

   • Un obiettivo di Apprendimento Contrastivo Cross-Domain (CCL) raffina le pseudo-etichette.
   • Basandosi sul piano di trasporto OT, le coppie ad alta confidenza (transazioni fortemente allineate con un particolare prototipo di regola) sono trattate come coppie positive, mentre le coppie disallineate sono trattate come coppie negative.
   • La perdita contrastiva avvicina le coppie regola-dato semanticamente coerenti nello spazio di embedding, mentre allontana quelle incoerenti, rendendo più netti i confini decisionali e riducendo l'impatto delle pseudo-etichette rumorose.

L'obiettivo totale di addestramento combina la perdita di cross-entropy per la classificazione, la perdita OT per l'allineamento della distribuzione e la perdita contrastiva per il raffinamento della rappresentazione.

Contributi Chiave

• Framework Unificato di Apprendimento Debolmente Supervisionato: Il documento introduce un'architettura a due rami che rappresenta strutturalmente la conoscenza gerarchica delle regole (tramite un Grafo di Regole) e apprende congiuntamente le rappresentazioni basate sulle regole e sui dati.
• Meccanismo di Trasferimento di Conoscenza da Regola a Dato: Gli autori sviluppano un nuovo meccanismo che combina il Trasporto Ottimale e l'Apprendimento Contrastivo. Questo approccio allinea spazi di rappresentazione eterogenei (regole simboliche vs. embedding continui) per generare pseudo-etichette soft affidabili per le transazioni non etichettate.
• Validazione Empirica: Esperimenti estesi su quattro dataset di benchmark (Elliptic, Libra Bank, Reddit e Amazon) dimostrano l'efficacia, la robustezza e la generalizzabilità del framework attraverso diversi domini e strutture di grafi.

Risultati Sperimentali
Il modello proposto è stato valutato rispetto ai modelli tradizionali di machine learning (SVM, LSTM, MLP), ai metodi di deep learning basati su grafi (GCN, GIN, GAT, FraudGT) e ad avanzati baseline debolmente supervisionati (CPL, BWGNN).

• Prestazioni: Il modello ha superato costantemente i baseline esistenti, sia debolmente supervisionati che supervisionati, attraverso i quattro dataset.
  • Sul dataset Elliptic (transazioni di criptovaluta altamente sbilanciate), il modello ha migliorato l'AUC-PRC del 24,7% e il top-10% F1-score dell'8,1% rispetto al baseline più forte (BWGNN).
  • Sui dataset Reddit e Amazon, il modello ha ottenuto il miglior AUC-PRC ed è risultato pari al migliore per AUC-ROC, precisione e punteggi F1.
  • Sul dataset Libra Bank, sebbene i modelli guidati dalle caratteristiche abbiano performato bene grazie alle associazioni dirette tra caratteristiche ed etichette, il framework proposto è rimasto competitivo, raggiungendo un recall perfetto nel top-10%.
• Studi di Ablazione: Gli esperimenti hanno confermato che:
  • L'uso di Alberi di Decisione per generare regole gerarchiche è superiore alla generazione di regole casuali o piatte.
  • La Convoluzione su Grafi (specificamente GCN) sul Grafo di Regole è critica per catturare le dipendenze topologiche.
  • L'allineamento tramite Trasporto Ottimale supera significativamente la semplice concatenazione o la media delle caratteristiche.
  • Un bilanciamento ponderato tra le perdite OT e contrastiva produce il miglior compromesso tra allineamento della distribuzione e separabilità delle classi.
• Visualizzazione: Le analisi t-SNE e di similarità del coseno sul dataset Elliptic hanno mostrato che, mentre il Ramo delle Regole preserva la topologia locale e il Ramo dei Dati cattura caratteristiche discriminanti, la fusione guidata dall'OT unisce efficacemente questi spazi, creando una rappresentazione più robusta per le transazioni illecite.

Significatività e Rivendicazioni
Il documento afferma che la sua principale significatività risiede nel risolvere la "discrepanza semantica" e la "perdita strutturale" intrinseche nell'attuale rilevamento di anomalie debolmente supervisionato. Modellando esplicitamente la struttura gerarchica delle regole e utilizzando il Trasporto Ottimale per allinearle morbidamente agli embedding dei dati, il framework consente un trasferimento di conoscenza affidabile anche in condizioni di supervisione limitata, sbilanciamento delle classi e shift della distribuzione. Gli autori sostengono che questo design migliora la robustezza negli scenari reali di AML, dove i dati etichettati sono scarsi e le strategie di riciclaggio sono in continua evoluzione. Il lavoro valida che la preservazione della semantica delle regole e l'allineamento di spazi eterogenei sono critici per un efficace rilevamento di anomalie su grafi oltre i tradizionali domini finanziari.