.png){kind=icon}
返回
Fraud detection on dynamic graphs via temporal path aggregation
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07355-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图上的欺诈检测在各个领域引起了广泛关注，其中主要挑战是数据异质性。尽管现有的基于GNN的方法在处理静态图上的异质性方面取得了成功，但由于未能充分利用动态图中两种关键的时序信息（时序路径和时间跨度），它们在动态图上的表现不佳。为解决此问题，我们提出了时序路径聚合器（TPA），一种新颖的动态图欺诈检测器，它能够通过采样和聚合每个节点的相关时序路径来建模异质数据并捕获时序信息。此外，还设计了一个时间跨度编码器模块以捕获精细的时间跨度信息。大量实验结果表明，我们的模型优于当前最先进的基础模型。
Keyword:
Fraud detection
Graph neural network
Dynamic graph
Deep learning
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
SMoTeF: Smurf money laundering detection using temporal order and flow analysisSMoTeF: 使用时间顺序和流量分析进行Smurf洗钱检测.png)
APPLIED INTELLIGENCE
OAAI
APPLIED INTELLIGENCEIF3.5
OAAI分享收藏CDGAT: a graph attention network method for credit card defaulters predictionAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Comparative Investigation of Learning Algorithms for Image Classification with Small Dataset小数据集图像分类学习算法的对比研究
OAAI
OAAI分享收藏Cost-sensitive payment card fraud detection based on dynamic random forest and k-nearest neighbors
PREAI
分享收藏 没有更多内容
没有更多内容