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

Resumo Técnico: Q-SYNTH

Declaração do Problema
A detecção de fraudes em cartões de crédito é fundamentalmente prejudicada por um desequilíbrio extremo de classes, onde as transações fraudulentas constituem uma fração ínfima dos dados (frequentemente <1%). Aprendizes supervisionados padrão priorizam a classe majoritária (legítima), alcançando alta precisão global, mas sofrendo com baixo recall da classe de fraude e baixas pontuações F1. Embora o aumento de dados sintéticos (por exemplo, SMOTE, GANs) seja um remédio comum, os métodos existentes enfrentam uma tensão entre fidelidade distribucional (quão bem as amostras sintéticas correspondem às propriedades estatísticas reais) e desempenho a jusante (quão bem eles melhoram a detecção de fraudes). Métodos de interpolação clássicos como o SMOTE preservam estatísticas locais, mas carecem de diversidade, enquanto Redes Adversariais Generativas (GANs) clássicas oferecem diversidade, mas frequentemente lutam com o ajuste de distribuição marginal e estabilidade em configurações tabulares altamente desequilibradas. Além disso, a literatura existente frequentemente prioriza métricas a jusante sem auditar rigorosamente a similaridade estatística entre as distribuições de fraude reais e sintéticas.

Metodologia: Q-SYNTH
O artigo propõe o Q-SYNTH, um framework adversarial híbrido clássico-quântico projetado para sintetizar amostras de fraude da classe minoritária em dados tabulares. A arquitetura consiste em:

1. Pré-processamento: Dados brutos de transação são transformados em um espaço de representação limitado e de baixa dimensão. Isso envolve seleção de características (top 10 características), padronização, Análise de Componentes Principais (PCA) para reduzir as dimensões para 4 e normalização para a faixa $[-1, 1]$.
2. Gerador (Quântico): Um circuito quântico parametrizado (PQC) atua como o gerador. Ele recebe um vetor latente, mapeia-o via uma rede neural clássica para parâmetros do circuito e prepara um estado quântico usando incorporação por ângulo (rotações Y) seguido por camadas variacionais contendo rotações de qubit único ($R_X, R_Y, R_Z$) e emaranhamento em anel (portas CNOT). A saída é obtida via valores esperados de Pauli-Z, produzindo naturalmente saídas limitadas consistentes com o domínio pré-processado.
3. Discriminador (Clássico): Uma rede neural clássica distingue entre amostras reais e geradas.
4. Protocolo de Treinamento: O framework emprega um loop de treinamento adversarial estabilizado apresentando:
   • Ruído de Instância: Injetado tanto em amostras reais quanto geradas para evitar overfitting do discriminador.
   • Regularização: Combina perda adversarial com correspondência de características (alinhando características intermediárias do discriminador) e correspondência de momentos (alinhando médias e desvios padrão por lote).
   • Ajuste Adaptativo: Parâmetros de regularização (escala de ruído, suavização de rótulos, dropout) são ajustados dinamicamente com base no comportamento do discriminador para manter gradientes informativos.

Principais Contribuições

• Framework Híbrido: Introdução do Q-SYNTH, onde um circuito quântico variacional gera amostras da classe minoritária guiado por um discriminador clássico.
• Pipeline de Ponta a Ponta: Um fluxo de trabalho controlado desde o pré-processamento e mapeamento de representação limitada até a transformação inversa para avaliação a jusante.
• Protocolo de Avaliação Unificado: Um framework de avaliação rigoroso que avalia conjuntamente a fidelidade distribucional (usando estatísticas de Kolmogorov–Smirnov, distâncias de Wasserstein e detectabilidade real-vs-sintética via AUC-ROC) e desempenho a jusante (recall de fraude e pontuação F1) através de classificadores quânticos e clássicos.
• Análise Empírica de Compromisso: Demonstração de um compromisso específico onde o modelo híbrido melhora a fidelidade estatística sobre GANs clássicas, mantendo desempenho de detecção competitivo.

Resultados

• Fidelidade Distribucional: Em termos de similaridade marginal aos dados reais de fraude, o SMOTE alcançou a maior fidelidade (menores distâncias KS e Wasserstein) devido à sua natureza de interpolação. No entanto, o Q-SYNTH superou significativamente a linha de base de GAN clássica, reduzindo a lacuna da distribuição marginal (por exemplo, mediana KS do Q-SYNTH: 0,069 vs. GAN Clássica: 0,185). Crucialmente, o Q-SYNTH manteve baixa detectabilidade real-vs-sintética (AUC $\approx$ 0,475, próximo ao acaso aleatório), indicando que as amostras sintéticas não são facilmente distinguíveis das reais por um classificador externo.
• Desempenho a Jusante: Quando usado para aumentar dados de treinamento, o Q-SYNTH melhorou o recall de fraude e as pontuações F1 em Redes Neurais Quânticas (QNNs) e classificadores clássicos (ANN, Regressão Logística, Floresta Aleatória, XGBoost) em comparação com bases desequilibradas e frequentemente em comparação com o SMOTE. Embora a GAN clássica ocasionalmente tenha alcançado as pontuações absolutas mais altas a jusante em configurações específicas, o Q-SYNTH permaneceu altamente competitivo.
• Análise de Escala: Os ganhos de desempenho foram não monotônicos em baixas taxas de injeção (10% de dados sintéticos às vezes degradaram o desempenho). Resultados ótimos foram observados em taxas de injeção moderadas a altas (50% e 100%), sugerindo que um volume suficiente de dados sintéticos é necessário para deslocar efetivamente a fronteira de decisão.

Significado e Alegações
O artigo afirma que o Q-SYNTH oferece um compromisso favorável entre fidelidade estatística e utilidade a jusante. Enquanto GANs clássicas podem maximizar o desempenho a jusante em algumas configurações, elas frequentemente sofrem com pior ajuste de distribuição marginal. Por outro lado, o Q-SYNTH mitiga os artefatos marginais comuns no treinamento adversarial clássico em dados tabulares, fornecendo amostras que são estatisticamente mais fiéis às distribuições reais de fraude, enquanto ainda impulsionam melhorias significativas nas métricas de detecção de fraudes. O estudo posiciona o aumento quântico híbrido como uma abordagem viável e promissora para abordar os gargalos específicos da detecção de fraudes desequilibrada, particularmente em representações tabulares de baixa dimensão. Os autores observam que esses resultados são obtidos dentro de um pipeline de representação comprimida e chamam por trabalhos futuros em métricas de fidelidade dependentes de dependência e avaliação consciente de hardware sob restrições realistas de NISQ (Computadores Quânticos de Escala Intermediária Ruidosa).