eFraudCom: 경쟁 그래프 신경망을 통한 전자상거래 사기 탐지 시스템

전자상거래의 발전과 함께 사기 행위는 전자상거래 비즈니스에 대한 가장 큰 위협 중 하나가 되었습니다. 사기 행위는 전자상거래 플랫폼의 순위 시스템을 심각하게 손상시키고 사용자의 쇼핑 경험에 부정적인 영향을 미칩니다. 전자상거래 플랫폼에서 사기 행위를 탐지하는 것은 큰 실용적 가치가 있습니다. 그러나 사기꾼이 취하는 적대적 행동 때문에 이 작업은 간단하지 않습니다. 전자상거래 산업에서 사용되는 기존의 사기 탐지 시스템은 성능 저하로 쉽게 고통받고, 이미 알려진 사기 행동을 감독 정보로 삼아 다른 의심스러운 행동을 탐지하므로 사기 패턴의 업그레이드에 적응할 수 없습니다. 본 논문에서는 가장 큰 전자상거래 플랫폼 중 하나인 '타오바오'에서 사기 행동을 탐지하기 위해 경쟁 그래프 신경망(CGNN) 기반의 사기 탐지 시스템(eFraudCom)을 제안합니다. eFraudCom 시스템에서 (1) eFraudCom의 핵심 부분으로서 경쟁 그래프 신경망(CGNN)은 정상 및 사기 행동의 분포를 별도로 모델링하여 사용자 행동을 직접 분류할 수 있습니다; (2) 일부 정상 행동은 약한 감독 정보로 사용되어 CGNN이 사기 행동보다 더 안정적인 정상 행동 프로필을 구축하도록 안내합니다. 사기 행동에 대한 알고리즘의 의존성이 제거되어 eFraudCom이 새로운 사기 패턴이 존재하는 상황에서도 사기 행동을 탐지할 수 있게 됩니다; (3) 상호 정보 정규화 항은 정상 및 사기 행동 간의 분리 가능성을 극대화하여 CGNN을 더욱 개선합니다. eFraudCom은 프로토타입 시스템으로 구현되었으며, 시스템의 성능은 광범위한 실험을 통해 평가됩니다. 타오바오의 두 개 데이터셋과 두 개의 공개 데이터셋에 대한 실험은 제안된 딥 프레임워크 CGNN이 사기 행동 탐지에서 다른 기본선보다 우수하다는 것을 보여줍니다. 타오바오 데이터셋에 대한 사례 연구는 사기 패턴이 업그레이드되었을 때도 CGNN이 여전히 강력하다는 것을 검증합니다.