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

Resumo Técnico: Transferência de Conhecimento de Regra-para-Dados via Transporte Ótimo para Detecção de Anomalias Fracamente Supervisionada em Grafos de Transações

Declaração do Problema
A detecção de anomalias em grafos de transações, particularmente em Prevenção à Lavagem de Dinheiro (AML), enfrenta desafios significativos devido à escassez de dados rotulados de alta qualidade, o que exige investigação especializada custosa. Embora métodos fracamente supervisionados tentem aproveitar regras definidas por especialistas ou rótulos heurísticos para gerar pseudo-rótulos para dados não rotulados, as abordagens existentes sofrem de três limitações fundamentais:

1. Perda de Estrutura Hierárquica: As regras são frequentemente reduzidas a funções de rotulagem planas, ignorando os caminhos de decisão hierárquicos e as condições compartilhadas que definem padrões comportamentais relacionados.
2. Descompasso Semântico: Existe uma lacuna entre as representações simbólicas e discretas das regras e as incorporações (embeddings) contínuas e baseadas em dados das transações, tornando difícil a transferência de conhecimento confiável.
3. Propagação de Ruído: Os pseudo-rótulos gerados a partir de amostras rotuladas limitadas e desbalanceadas são inerentemente incertos. Tratá-los como supervisão rígida (hard supervision) pode propagar erros por todo o processo de aprendizado.

Metodologia
Os autores propõem um framework unificado de supervisão fraca projetado para preencher a lacuna entre o conhecimento baseado em regras e as representações baseadas em dados, mitigando o ruído. A arquitetura consiste em um design de dois ramos e um processo de treinamento de três estágios:

1. Aprendizado de Representação de Dois Ramos:

   • Ramo de Regras: Uma árvore de decisão é treinada em dados rotulados limitados. Em vez de usar as previsões das folhas como rótulos isolados, os caminhos de decisão são transformados em um Grafo de Regras. Neste grafo, os nós de transação e os nós de condição de decisão são conectados com base em caminhos de travessia compartilhados. Uma Rede Neural de Grafo (GNN) com mecanismos de atenção codifica este grafo para capturar semânticas de regras hierárquicas e agregar informações consistentes com a regra, produzindo protótipos de regras para as classes ilícitas e lícitas.
   • Ramo de Dados: As características brutas das transações são codificadas em embeddings densos usando um Perceptron Multicamadas (MLP).

2. Alinhamento por Transporte Ótimo (OT) Cross-Domain:

   • Para abordar o descompasso semântico entre o espaço de regras simbólicas e o espaço de dados contínuos, o framework utiliza o Transporte Ótimo.
   • O OT estabelece correspondências suaves entre os protótipos de regras (distribuição de origem) e os embeddings de transação (distribuição de destino) minimizando uma matriz de custo (ex: distância euclidiana) com regularização de entropia.
   • O plano de transporte resultante gera pseudo-rótulos suaves (distribuições de probabilidade sobre tipos de regras) para transações não rotuladas, em vez de atribuições binárias rígidas.

3. Refinamento por Contraste de Pseudo-Rótulos:

   • Um objetivo de Aprendizado Contrastivo Cross-Domain (CCL) refina os pseudo-rótulos.
   • Com base no plano de transporte do OT, pares de alta confiança (transações fortemente alinhadas com um protótipo de regra específico) são tratados como pares positivos, enquanto pares desalinhados são tratados como pares negativos.
   • A perda contrastiva aproxima os pares regra-dados semanticamente consistentes no espaço de embedding, enquanto afasta os inconsistentes, thereby refinando as fronteiras de decisão e reduzindo o impacto dos pseudo-rótulos ruidosos.

O objetivo total de treinamento combina a perda de entropia cruzada para classificação, a perda de OT para alinhamento de distribuição e a perda contrastiva para refinamento de representação.

Principais Contribuições

• Framework Unificado de Supervisão Fraca: O artigo introduz uma arquitetura de dois ramos que representa estruturalmente o conhecimento hierárquico de regras (via Grafo de Regras) e aprende conjuntamente representações baseadas em regras e em dados.
• Mecanismo de Transferência de Conhecimento de Regra-para-Dados: Os autores desenvolvem um mecanismo inovador combinando Transporte Ótimo e Aprendizado Contrastivo. Esta abordagem alinha espaços de representação heterogêneos (regras simbólicas vs. embeddings contínuos) para gerar pseudo-rótulos suaves confiáveis para transações não rotuladas.
• Validação Empírica: Experimentos extensos em quatro conjuntos de dados de referência (Elliptic, Libra Bank, Reddit e Amazon) demonstram a eficácia, robustez e generalização do framework em diversos domínios e estruturas de grafos.

Resultados Experimentais
O modelo proposto foi avaliado contra modelos tradicionais de aprendizado de máquina (SVM, LSTM, MLP), métodos de aprendizado profundo baseados em grafos (GCN, GIN, GAT, FraudGT) e baselines avançados de supervisão fraca (CPL, BWGNN).

• Desempenho: O modelo superou consistentemente os baselines existentes de supervisão fraca e supervisionados nos quatro conjuntos de dados.
  • No conjunto de dados Elliptic (transações de criptomoedas altamente desbalanceadas), o modelo melhorou o AUC-PRC em 24,7% e o F1-score do top-10% em 8,1% em relação ao baseline mais forte (BWGNN).
  • Nos conjuntos de dados Reddit e Amazon, o modelo alcançou o melhor AUC-PRC e empatou com o melhor AUC-ROC, precisão e F1-scores.
  • No conjunto de dados Libra Bank, embora modelos baseados em características tenham performado bem devido às associações diretas entre característica e rótulo, o framework proposto permaneceu competitivo, alcançando recall perfeito no top-10%.
• Estudos de Ablação: Experimentos confirmaram que:
  • O uso de Árvores de Decisão para gerar regras hierárquicas é superior à geração de regras aleatórias ou planas.
  • A Convolução de Grafo (especificamente GCN) no Grafo de Regras é crítica para capturar dependências topológicas.
  • O alinhamento por Transporte Ótimo supera significativamente a simples concatenação ou média de características.
  • O peso equilibrado das perdas de OT e contrastiva produz o melhor compromisso entre alinhamento de distribuição e separabilidade de classe.
• Visualização: Análises de t-SNE e similaridade de cosseno no conjunto de dados Elliptic mostraram que, enquanto o Ramo de Regras preserva a topologia local e o Ramo de Dados captura características discriminativas, a fusão guiada pelo OT une efetivamente esses espaços, criando uma representação mais robusta para transações ilícitas.

Significância e Alegações
O artigo alega que sua principal significância reside em abordar o "descompasso semântico" e a "perda estrutural" inerentes à detecção de anomalias por supervisão fraca atual. Ao modelar explicitamente a estrutura hierárquica das regras e usar o Transporte Ótimo para alinhar suavemente essas regras com os embeddings de dados, o framework permite uma transferência de conhecimento confiável mesmo sob condições de supervisão limitada, desbalanceamento de classes e mudanças de distribuição. Os autores afirmam que este design melhora a robustez em cenários reais de AML, onde os dados rotulados são escassos e as estratégias de lavagem estão evoluindo. O trabalho valida que a preservação da semântica das regras e o alinhamento de espaços heterogêneos são críticos para uma detecção de anomalias em grafos eficaz, indo além dos domínios financeiros tradicionais.