FinFraudBench: A Heterogeneous Graph Benchmark for Financial Fraud Detection
Dit artikel introduceert FinFraudBench, een nieuwe heterogene graaf-benchmark met twee grootschalige, realistische financiële datasets met meerdere entiteitstypen en gerichte randen om de beperkingen van bestaande benchmarks aan te pakken in het vastleggen van de complexiteit, klasse-onbalans en label-schaarste van real-world financiële fraude detectie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In het uitgestrekte, onzichtbare netwerk van de moderne financiële wereld laat elke kaartbeweging of geldoverboeking een digitale voetafdruk achter. Decennialang hebben experts geprobeerd fraudeurs te vangen door naar deze voetafdrukken één voor één te kijken, waarbij elke transactie als een geïsoleerde gebeurtenis werd behandeld. Ze onderzochten het bedrag, de tijd en de locatie, in de hoop een patroon te ontdekken dat niet paste. Maar fraude is zelden een solitaire daad; het is een web van verbindingen. Een gestolen creditcard wordt gebruikt door een specifiek persoon, bij een specifieke winkel, vaak op een specifieke manier die de kaart verbindt met andere verdachte activiteiten. Om het hele plaatje te begrijpen, realiseerden onderzoekers zich dat ze moesten stoppen met het bekijken van individuele records en moesten beginnen met het in kaart brengen van de relaties tussen de mensen, de kaarten, de winkeliers en de plaatsen die erbij betrokken zijn. Deze verschuiving van het controleren van individuele items naar het begrijpen van hoe ze met elkaar verbonden zijn, vormt de basis van graafgebaseerde detectie, een methode die financiële gegevens niet behandelt als een spreadsheet, maar als een complexe kaart van interacties.
Een team van onderzoekers heeft nu een nieuwe, meer realistische kaart gebouwd om deze detectiemethoden te testen, waarmee een kritiek gat in de manier waarop fraude wordt bestudeerd, wordt gedicht. Ze creëerden een benchmark genaamd FinFraudBench, die bestaat uit twee enorme datasets geconstrueerd uit echte transactiegegevens. In tegenstelling tot eerdere instrumenten die de financiële wereld vereenvoudigden tot één type knooppunt of één soort relatie, behouden deze nieuwe datasets de rommelige, meerlagige realiteit van de financiële wereld. Ze bevatten bijna 9 miljoen knooppjes die verschillende entiteiten vertegenwoordigen zoals klanten, kaarten, winkeliers, categorieën en locaties, verbonden door bijna 90 miljoen gerichte verbindingen. De onderzoekers hebben deze gegevens zorgvuldig georganiseerd om de moeilijke omstandigheden van de echte wereld na te bootsen, waarin fraude extreem zeldzaam is in vergelijking met legitieme transacties en waarin slechts een fractie van de gevallen als bekende fraude is gelabeld.
De onderzoekers gebruikten deze nieuwe benchmark om een breed scala aan bestaande detectiemodellen te testen, variërend van eenvoudige statistische tools tot geavanceerde kunstmatige intelligentiesystemen die ontworpen zijn om grafen te lezen. Ze ontdekten dat methoden die de verschillende soorten entiteiten negeerden en alles als hetzelfde behandelden, aanzienlijk minder effectief waren. De meest succesvolle modellen waren die welke het onderscheid konden maken tussen een klant, een kaart en een winkelier, en begrepen dat elk een andere rol speelt in het netwerk. Specifiek presteerden modellen die ontworpen zijn voor heterogene grafen — die de verschillende soorten knooppunten en de specifieke manieren waarop zij verbinden respecteren — consequent beter dan hun eenvoudigere tegenhangers. Deze geavanceerde modellen waren beter in het rangschikken van risicovolle transacties en het identificeren van fraude, zelfs wanneer de gegevens sterk ongebalanceerd waren, een veelvoorkomend en moeilijk scenario in echte banksystemen.
De studie suggereert dat de sleutel tot het vangen van financiële fraude ligt in het behouden van de rijke, getypeerde structuur van de gegevens, in plaats van deze af te vlakken. Wanneer onderzoekers de complexe, multi-entiteit data dwongen in een simpeler formaat, verloren ze cruciale signalen die hielpen bij het identificeren van kwaadwillenden. De resultaten wijzen erop dat de meest veelbelovende weg vooruit het bouwen van systemen is die tegelijkertijd de verschillende soorten financiële entiteiten en hun unieke relaties kunnen verwerken. Hoewel sommige gespecialiseerde modellen, ontworpen om specifieke fraudepatronen op te sporen, competitief bleven, konden ze over het algemeen niet tippen aan de algehele prestaties van de modellen die de complexiteit van de heterogene graaf volledig omarmden. Dit werk biedt een gestandaardiseerde manier voor de wetenschappelijke gemeenschap om toekomstige tools te evalueren, waardoor wordt gewaarborgd dat nieuwe methoden worden getest tegen een realistische representatie van het financiële ecosysteem in plaats van een overgesimplificeerde versie.
De onderzoekers hebben deze datasets geconstrueerd uit publieke transactiegegevens, waarbij rijen gegevens werden omgezet in een netwerk waar transacties de centrale punten zijn die verbonden zijn met de betrokken entiteiten. Ze zorgten ervoor dat er geen informatie uit de toekomst in het verleden lekte, een veelvoorkomende valkuil bij fraudedetectie, door de gegevens strikt te scheiden in trainings-, validatie- en testsets. De uiteindelijke datasets bevatten meer dan 1,8 miljoen transacties voor de ene dataset en bijna 9 miljoen voor de andere, met fraudepercentages zo laag als 0,15 procent, wat de extreme zeldzaamheid van fraude in het echte leven weerspiegelt. Door een breed spectrum aan algoritmen op dit terrein te testen, was het team in staat aan te tonen dat het vermogen om door de verschillende soorten verbindingen te navigeren niet alleen een theoretisch voordeel is, maar een praktische noodzaak voor effectieve fraudedetectie. De bevindingen wijzen naar een toekomst waarin financiële beveiligingssystemen worden gebouwd op een dieper begrip van de diverse relaties die de digitale economie definiëren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.