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

Dit artikel introduceert Q-SYNTH, een hybride quantum-klassiek generatief tegenstrijdig raamwerk dat gebruikmaakt van een geparametriseerde quantumkring om samples van frauduleuze transacties te synthetiseren, waarmee op effectieve wijze het probleem van klassenongelijkheid bij het opsporen van creditcardfraude wordt aangepakt door een gunstig compromis te bieden tussen statistische distributietrouw en downstream classificatieprestaties in vergelijking met klassieke basismodellen.

De kern

Het Probleem: De "Naald in de Hooiberg"

Stel je voor dat je een beveiligingsagent bent op een enorm vliegveld. Je taak is het opsporen van terroristen (fraudeurs) onder miljoenen gewone reizigers (legitieme klanten).

• De Realiteit: Voor elke 10.000 mensen die doorlopen, proberen misschien slechts 5 daadwerkelijk iets verkeerds te doen.
• De Fout: Als je een computer traint om deze boeven te spotten met alleen de echte data, wordt de computer lui. Hij leert dat "iedereen goed is", dus hij raadt gewoon "Goed" voor iedereen. Hij scoort 99,9% op zijn test, maar hij mist elke enkele boef. Dit heet class imbalance (ongelijke verdeling van klassen).

De Oude Oplossingen: "Kopieer-Plak" versus "Nabootsen"

Om dit op te lossen, proberen experts de computer meer voorbeelden van boeven te geven.

1. SMOTE (De "Kopieer-Plak" Methode): Stel je voor dat je een foto van een boef neemt en een rechte lijn trekt naar een andere boef, waarna je een nieuwe foto precies in het midden creëert. Het is veilig en lijkt erg op het echte ding, maar het is wat saai en toont niet de volledige variatie in hoe boeven kunnen handelen.
2. Klassieke GAN's (De "Vervalser"): Dit gebruikt een computerprogramma dat probeert neppe profielen van boeven te "vervals". Een deel van de AI (de Generator) probeert een nep-ID te maken, en een ander deel (de Discriminator) probeert de nep te vangen. Ze spelen een kat-en-muisspel. Hoewel dit zeer diverse vervalsingen oplevert, zijn de vervalsingen soms iets te voor de hand liggend of komen ze niet perfect overeen met de echte statistieken.

De Nieuwe Oplossing: Q-SYNTH (De "Quantum Vervalser")

Dit paper introduceert Q-SYNTH, een nieuw hybride systeem. Denk hierbij aan een team-up tussen een menselijke kunstenaar en een quantum-robot.

• De Generator (De Quantum Kunstenaar): In plaats van een standaard computerbrein, gebruikt dit deel een Quantum Circuit. Stel je een quantumcomputer voor als een magische penseel dat kleuren kan mengen op manieren die een normaal penseel niet kan. Het creëert nieuwe, neppe fraudeprofielen die wiskundig complex en divers zijn.
• De Discriminator (De Menselijke Kunstkritiek): Dit deel is een standaard, klassieke computer (zoals die we vandaag de dag gebruiken). Zijn taak is om te kijken naar de echte fraudeprofielen en de quantum-genereren neppe exemplaren en te proberen ze uit elkaar te houden.

Ze spelen een spel: De Quantum Kunstenaar probeert vervalsingen zo goed te maken dat de Menselijke Kritiek ze niet kan onderscheiden. De Menselijke Kritiek probeert beter te worden in het opsporen van de vervalsingen. Na verloop van tijd wordt de Quantum Kunstenaar ongelooflijk goed in het creëren van realistische fraudepatronen.

Hoe Ze Het Testten

De onderzoekers zeiden niet zomaar "het werkt". Ze voerden een strenge test uit met drie specifieke doelen:

1. Ziet het er echt uit? (Statistische Fideliteit): Ze controleerden of de neppe data overeenkwam met de "vorm" van de echte data (zoals controleren of de neppe ID-kaarten dezelfde verdeling van oogkleuren en lengtes hebben als de echte).
   • Resultaat: De Quantum Kunstenaar (Q-SYNTH) creëerde vervalsingen die veel dichter bij de echte data lagen dan de standaard "Vervalser" (Klassieke GAN), hoewel de "Kopieer-Plak" methode (SMOTE) nog steeds het dichtst zat bij de eenvoudige statistieken.
2. Kan een robot ze uit elkaar houden? (Detecteerbaarheid): Ze trainden een aparte robot om te proberen te zien welke data echt was en welke nep.
   • Resultaat: De robot raadde in feite (50/50). Dit is goed! Dit betekent dat de neppe data zo realistisch is dat zelfs een computer het niet gemakkelijk kan onderscheiden van het echte ding.
3. Helpt het bij het opsporen van fraude? (Downstream Performance): Ze gebruikten de neppe data om een fraudedetectie te trainen en zagen of het meer boeven ving.
   • Resultaat: De data van de Quantum Kunstenaar hielp de detector meer fraude op te sporen dan de "Kopieer-Plak" methode. Hoewel de standaard "Vervalser" (Klassieke GAN) soms iets beter was in het opsporen van fraude, bood de Quantum Kunstenaar een uitstekend evenwicht: het zag er veel realistischer uit (dichter bij echte data) en was toch zeer goed in het helpen bij het opsporen van fraude.

Het "Volume-knop" Experiment

De onderzoekers testten ook hoeveel neppe data ze moesten toevoegen. Ze ontdekten dat het toevoegen van een beetje neppe data niet veel hielp. Maar toen ze een gemiddelde tot hoge hoeveelheid toevoegden (ongeveer 50% nep, 50% echt), werd de fraudedetectie aanzienlijk beter in zijn werk.

De Conclusie

Q-SYNTH is een nieuw hulpmiddel dat quantumcomputing gebruikt om "neppe" fraudedata te creëren die ongelooflijk realistisch is.

• Het lost het probleem op waarbij computers zeldzame fraudegevallen negeren.
• Het creëert data die statistisch zeer dicht bij het echte ding ligt (beter dan standaard AI-methoden).
• Het helpt fraudedetectoren meer boeven te vangen zonder dat er meer data uit de echte wereld nodig is.

Het paper concludeert dat deze "Hybride" aanpak (Quantum Generator + Klassieke Critic) een veelbelovend middenweg is: het biedt de statistische nauwkeurigheid van eenvoudige methoden en het krachtige leervermogen van complexe AI, waardoor het een sterke kandidaat is voor de strijd tegen financiële fraude.

Technische samenvatting

Technische Samenvatting: Q-SYNTH

Probleemstelling
Fraudeopsporing met creditcards wordt fundamenteel gehinderd door extreme class-imbalance, waarbij frauduleuze transacties een miniem deel van de data uitmaken (vaak <1%). Standaard toezichtlerende modellen prioriteren de meerderheidsklasse (legitieme transacties), waardoor ze een hoge algehele nauwkeurigheid bereiken maar lijden onder een slechte recall en F1-score voor de fraudeklasse. Hoewel synthetische data-augmentatie (bijv. SMOTE, GAN's) een gebruikelijke oplossing is, staan bestaande methoden voor een spanning tussen distributionele fideliteit (hoe goed synthetische steekproeven overeenkomen met reële statistische eigenschappen) en downstream-prestaties (hoe goed ze fraudeopsporing verbeteren). Klassieke interpolatiemethoden zoals SMOTE behouden lokale statistieken maar missen diversiteit, terwijl klassieke Generative Adversarial Networks (GAN's) diversiteit bieden maar vaak moeite hebben met het afstemmen van marginale verdelingen en stabiliteit in sterk onbalans tabulaire settings. Bovendien prioriteren bestaande literatuur vaak downstream-metrics zonder de statistische gelijkenis tussen reële en synthetische fraudeverdelingen rigoureus te auditeren.

Methodologie: Q-SYNTH
Het artikel stelt Q-SYNTH voor, een hybride klassiek-kwantum adversariaal raamwerk ontworpen om steekproeven van de minderheidsklasse (fraude) in tabulaire data te synthetiseren. De architectuur bestaat uit:

1. Preprocessing: Ruwe transactiedata wordt omgezet in een begrende, laagdimensionale representatieruimte. Dit omvat feature-selectie (top 10 features), standaardisatie, Principal Component Analysis (PCA) om de dimensies te reduceren tot 4, en normalisatie naar het bereik $[-1, 1]$.
2. Generator (Kwantum): Een geparametriseerde kwantumcircuit (PQC) fungeert als generator. Het neemt een latent vector, mapt deze via een klassiek neuronaal netwerk naar circuitparameters, en bereidt een kwantumtoestand voor met behulp van hoek-embedding (Y-rotaties) gevolgd door variational lagen met single-qubit rotaties ($R_X, R_Y, R_Z$) en ring-entanglement (CNOT-poorten). De output wordt verkregen via Pauli-Z verwachtingswaarden, wat van nature begrende output produceert die consistent is met het gepreprocesserde domein.
3. Discriminator (Klassiek): Een klassiek neuronale netwerk onderscheidt tussen reële en gegenereerde steekproeven.
4. Trainingsprotocol: Het raamwerk hanteert een gestabiliseerde adversariële trainingslus met:
   • Instance Noise: Ingevoerd in zowel reële als gegenereerde steekproeven om overfitting van de discriminator te voorkomen.
   • Regularisatie: Combineert adversariële loss met feature matching (afstemmen van intermediate discriminator-features) en moment matching (afstemmen van batch-gemiddelden en standaardafwijkingen).
   • Adaptieve Afstelling: Regularisatieparameters (ruisschaal, label smoothing, dropout) worden dynamisch aangepast op basis van het discriminator-gedrag om informatieve gradiënten te behouden.

Belangrijkste Bijdragen

• Hybride Raamwerk: Introductie van Q-SYNTH, waarbij een variational kwantumcircuit minderheidsklasse-steekproeven genereert, geleid door een klassieke discriminator.
• End-to-End Pipeline: Een gecontroleerde workflow van preprocessing en mapping naar een begrende representatie tot inverse transformatie voor downstream-evaluatie.
• Unificatie Evaluatieprotocol: Een rigoureus beoordelingsraamwerk dat gezamenlijk distributionele fideliteit (met behulp van Kolmogorov–Smirnov-statistieken, Wasserstein-afstanden en detecteerbaarheid van reële versus synthetische data via AUC-ROC) en downstream-prestaties (fraude-recall en F1-score) evalueert voor zowel kwantum- als klassieke classifiers.
• Empirische Trade-off Analyse: Demonstratie van een specifiek compromis waarbij het hybride model de statistische fideliteit verbetert ten opzichte van klassieke GAN's, terwijl het concurrerende detectieprestaties behoudt.

Resultaten

• Distributionele Fideliteit: In termen van marginale gelijkenis met reële fraudedata behaalde SMOTE de hoogste fideliteit (laagste KS- en Wasserstein-afstanden) vanwege zijn interpolatienatuur. Q-SYNTH presteerde echter aanzienlijk beter dan de klassieke GAN-baseline, met een verkleining van de marginale verdelingskloof (bijv. Q-SYNTH KS-median: 0,069 versus Klassieke GAN: 0,185). Cruciaal behield Q-SYNTH een lage detecteerbaarheid van reële versus synthetische data (AUC $\approx$ 0,475, dicht bij toeval), wat aangeeft dat synthetische steekproeven door een externe classifier niet gemakkelijk van reële te onderscheiden zijn.
• Downstream-prestaties: Bij gebruik voor augmentatie van trainingsdata verbeterde Q-SYNTH de fraude-recall en F1-scores voor zowel Quantum Neural Networks (QNN's) als klassieke classifiers (ANN, Logistische Regressie, Random Forest, XGBoost) in vergelijking met onbalans-baselines en vaak in vergelijking met SMOTE. Hoewel de klassieke GAN af en toe de hoogste absolute downstream-scores behaalde in specifieke configuraties, bleef Q-SYNTH zeer concurrerend.
• Schalingsanalyse: Prestatiewinsten waren niet-monotoon bij lage injectieratio's (10% synthetische data degradeerde soms de prestaties). Optimale resultaten werden waargenomen bij matige tot hoge injectieratio's (50% en 100%), wat suggereert dat een voldoende volume aan synthetische data nodig is om de beslissingsgrens effectief te verschuiven.

Betekenis en Claims
Het artikel claimt dat Q-SYNTH een gunstig compromis biedt tussen statistische fideliteit en downstream-utility. Hoewel klassieke GAN's in sommige settings de downstream-prestaties kunnen maximaliseren, lijden ze vaak aan slechtere afstemming van marginale verdelingen. Daarentegen mitigeert Q-SYNTH de marginale artefacten die gebruikelijk zijn bij klassieke adversariële training op tabulaire data, en levert het steekproeven die statistisch trouwer zijn aan reële fraudeverdelingen, terwijl het toch aanzienlijke verbeteringen in fraudeopsporingsmetrics bewerkstelligt. De studie positioneert hybride kwantumaugmentatie als een haalbare en veelbelovende aanpak voor het aanpakken van de specifieke knelpunten van onbalans in fraudeopsporing, met name in laagdimensionale tabulaire representaties. De auteurs merken op dat deze resultaten zijn behaald binnen een gecomprimeerde representatie-pipeline en roepen op tot toekomstig werk over afhankelijkheidsbewuste fideliteitsmetrics en hardware-bewuste evaluatie onder realistische NISQ (Noisy Intermediate-Scale Quantum) beperkingen.