يعتبر الاحتيال المالي خطرًا جسيمًا يؤثر على استقرار الأسواق العالمية، حيث تسببت الخسائر الناجمة عن الاحتيال المالي في فقدان مليارات الدولارات سنويًا، مما يتحدى الدراسات الطرق التقليدية للكشف. إن النمط المعقد من العلاقات والاتجاهات الزمنية في العمليات الاحتيالية لا يمكن ملاحظته بسهولة من خلال الطرق التقليدية القائمة على القواعد والأساليب الإحصائية. تُظهر الورقة سبب بناء إطار عمل هجيني للكشف عن الشذوذ غير المتجانس يجمع بين الشبكات العصبية الرسومية (GNN) وتحليل السلاسل الزمنية للاستفادة ليس فقط من العلاقات الهيكلية بين الكيانات ولكن أيضًا من الطبيعة المتسلسلة لمعاملاتهم. يتعلم مكون GNN تمثيل شبكة المعاملات للكشف عن أنماط علاقات مشبوهة، بينما يتعلم نموذج السلاسل الزمنية الشذوذ الزمنية في تسلسل المعاملات. يساعد العرض الموسع في تحسين تحديد الاحتيال على نطاق صغير والواسع. تكشف تقييمات النموذج الهجين المقترح على مجموعات البيانات المالية القياسية أنه تفوق على الأساسيات، مع تحقيقه دقة وذكاء ودرجات AUC أفضل، خاصة عند استخدامه في حالات ذات بيانات غير متساوية بشكل كبير. كما توضح النتائج، فإن الجمع بين التحليل العلاقي والزمني هو حل مقنع إلى حد ما لتغير أنماط الاحتيال، لذلك فإن لهذه الطريقة إمكانات كبيرة في أنظمة المراقبة المالية في الحياة الواقعية.
درس أ. فالانا (مون) هذا السؤال.