신용카드 사기 탐지를 위한 인코더-디코더 그래프 신경망

신용카드 사기는 매년 수백만 달러가 손실되는 중요한 문제입니다. 사기 거래를 탐지하는 것은 대량의 데이터와 사기꾼의 지속적으로 진화하는 전술로 인해 도전적인 작업입니다. 모든 탐지 문제와 마찬가지로 사기 거래와 비사기 거래를 구별하는 데 도움이 되는 관련 기능을 선택하는 것이 중요합니다. 또한 상인과 고객과 같은 관련된 엔티티 간의 관계를 효과적으로 포착하는 모델을 설계하는 것이 중요합니다. 본 연구에서는 기능 공학의 이전 단계를 수행합니다. 그 다음, 고객과 상인 간의 관계를 활용하여 신용카드 사기 탐지를 위한 그래프 신경망(GNN)의 사용을 탐색합니다. 우리는 신용카드 거래 데이터 내의 복잡한 관계와 종속성을 효과적으로 포착하는 새로운 인코더-디코더 기반 GNN을 제안합니다. 모델의 성능은 효율적인 그래프 데이터 처리를 위한 그래프 변환기와 내부 공변량 이동을 줄이고 수렴을 가속화하기 위한 배치 정규화를 사용하여 추가로 향상됩니다. 대규모 데이터 세트에 대한 우리의 실험은 정밀도, 재현율 및 F1 점수 측면에서 다른 모델을 초월하는 유망한 결과를 제공했습니다.