FinFraudBench: A Heterogeneous Graph Benchmark for Financial Fraud Detection

技術要約: FinFraudBench

問題提起
金融不正検知は、孤立したトランザクションの分類から、相互に関連するエンティティ（顧客、カード、加盟店など）を伴う関係的なリスク推論へと進化している。グラフベースの手法は進歩しているものの、既存の公開ベンチマークは、以下の2つの点で実世界の金融システムと整合していない。

1. 構造の単純化: ほとんどのベンチマークは、金融エコシステムを同質なグラフ（単一のノードタイプ）または単一ノードタイプのマルチリレーショナルグラフへと簡略化している。これらの定式化は、異なるエンティティタイプ（例：顧客と加盟店を特徴量として統合する）を崩壊させたり、メタパスによって関係性を誘導したりすることで、金融データの本来のマルチエンティティおよびマルチリレーショナルな構造を失わせている。
2. 現実的な制約の欠如: 既存のデータセットは、極端なクラス不均衡と限定的なラベル可用性を同時に示す大規模なヘテロジニアスグラフを提示することが稀であり、デプロイメント時の制約下における現在の手法の実用的な有効性を評価することを困難にしている。

手法: FinFraudBenchの構築
これらのギャップに対処するため、著者らは、公開されているトランザクションレベルの表形式ソース（CreditCard-FraudおよびBankTrans-Fraud）から構築された、2つのヘテロジニアスグラフ・データセットからなるベンチマーク「FinFraudBench」を提示する。構築はリークのないパイプラインに従っている：

• スキーマ定義: グラフは、6つのノードタイプ（Transaction, Customer, Card, Merchant, Category, Location）と、14の有向エッジタイプ（所有、使用、所在の関連性を含む7つのセマンティックな関係から派生）を用いたトランザクション中心のスキーマを利用する。
• データ変換: 生のトランザクション行はトランザクションノードにマッピングされる。繰り返される金融オブジェクトは、属性として保持するのではなく、型付きのノードとして抽出される。エッジタイプは、エンティティ間のセマンティックな役割を保持する。
• 特徴量エンジニアリング: ノード属性は、ラベルを含まないソースフィールドおよび決定論的でリークのない特徴量（例：頻度統計、正規化された金額）から派生される。
• ラベリング: 不正ラベルはトランザクションノードにのみ付与される。他のすべてのノードタイプは、ラベルのない関係的コンテキストとして機能し、現実的な半教師あり学習の設定をシミュレートする。
• 評価プロトコル: データセットは、ラベル付きトレーニング（約2%）、ラベルなしトレーニング、検証、フルテスト（自然な不均衡）、およびバランス調整済みミニテスト・サブセットに分割される。評価には、AUROC、AUPRC、Accuracy、Macro-F1、Fraud F1、およびFraud Recallの6つの指標を用いる。

主な貢献

1. ヘテロジニアスな金融不正ベンチマーク: 公開されているトランザクションレベルのデータから派生した、金融不正検知のための初の規模の大きなヘテロジニアスグラフ・ベンチマーク。これらのデータセットは、最大8.99Mのノードと89.23Mの有向型エッジを保持し、複数のエンティティタイプ、関係タイプ、およびタイプ固有の属性を維持している。
2. 再現可能な限定ラベル・プロトコル: 極端なクラス不均衡とラベル不足の下での制御されたベンチマーキングをサポートする統一された評価設定（安定した比較のためのバランス調整済みミニテスト・サブセットを含む）。
3. 経験的な洞察: 代表的なベースライン（Non-GNN、Homogeneous GNN、Multi-relation、Fraud-oriented、およびHeterogeneousファミリー）の包括的な評価により、異なるアーキテクチャの仮定がどのように金融グラフ構造を利用するかについての洞察を提供する。

実験結果
著者らは、MLP、LLMプロンプティング・プローブ、GCN、GraphSAGE、R-GCN、ConsisGAD、PMP、GAAP、HAN、SeHGNN、およびHGTを含む幅広いモデルを評価した。

• ヘテロジニアスの優位性: ヘテロジニアスグラフモデルは、データセットや指標によって差異はあるものの、両方のデータセットにおいて一貫して最も強力な全体的パフォーマンスを達成した。CreditCard-Fraudでは、HGTが最高のAccuracy、Macro-F1、Fraud F1、およびFraud Recallを達成し、GAAPがAUROCとAUPRCで僅かにリードした。BankTrans-Fraudでは、HGTが最高のAUROCとAUPRCを獲得し、SeHGNNが分類指標でリードした。これは、これらのモデルが型付きのエンティティと関係性にエンコードされた豊かな信号を活用できる能力を示している。
• 単純化されたビューの限界: 同質なGNN（GCN、GraphSAGE）は一貫性のないパフォーマンスを示した。GraphSAGEはあるデータセットで改善が見られたものの、別のデータセットではMLPを下回っており、エンティティのヘテロジニティをモデル化せずに単にエッジを追加するだけでは不十分であることを示唆している。
• 特化したバイアスの役割: マルチリレーションおよび不正指向の手法（例：ConsisGAD、PMP、GAAP）は競争力を維持したが、閾値依存の分類指標においては、一般的に最高のヘテロジニアスモデルには及ばなかった。これは、関係チャネルや不正特有の帰納的バイアスが、明示的なエンティティタイプ・モデリングと組み合わされたときに最も効果的であることを示唆している。
• Non-GNNベースライン: MLPはトランザクション特徴量のみを用いて強力なベースラインを提供し、ターゲットノードの属性が重要な信号を保持していることを確認したが、関係的コンテキストを利用することはできなかった。LLMプロンプティング・ベースラインは、一般的にグラフ学習手法よりも弱かった。

意義と主張
本論文は、不正検知を評価するための標準化された現実的な環境を提供することで、文献における決定的なギャップを埋めるものであると主張している。主な意義は、ヘテロジニアスなグラフ構造が、単純化されたグラフの定式化では失われてしまう不可欠な不正信号（エンティティタイプ、関係のセマンティクス、タイプ固有の属性）を保持していることを示した点にある。結果は、将来の研究に向けた有望な方向性を示唆している。すなわち、型付きの構造情報とドメイン固有の不正の手掛かりを共同で活用するために、不正指向のデザインをヘテロジニアスなアーキテクチャへと拡張することである。著者らは、本ベンチマークが公開ソースで利用可能なフィールドによって制限されており、実世界の不正コンテキストのすべての運用信号をまだ反映していないことを控えめに述べているが、これは限定されたラベルと極端な不均衡に対して堅牢なモデルを開発するための基礎的なステップとして機能する。