|
Рубрика:
Наука и технологии /
Раздел для научных публикаций
|
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
Ильичев В.Ю.,
к.т.н., ФГАОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)», Москва, patrol8@yandex.ru
Драч В.Е.,
к.т.н., ФГОУ ВО «Сочинский государственный университет», Краснодарский край, г. Сочи, vladimir@drach.pro
Сравнительный анализ
ансамблевых методов и графовых нейронных сетей (GNN) в задачах выявления мошеннических транзакций в реальном времени
В статье сравниваются ансамблевые методы (Random Forest, XGBoost, LightGBM) и графовые нейронные сети (GraphSAGE, GAT) для выявления мошеннических транзакций на датасете IEEE-CIS Fraud Detection. Показано, что GNN превосходят ансамблевые модели по AUC-ROC на 4,2% и Recall на 12,7% при времени инференса менее 50 мс. Предложена гибридная архитектура, достигающая F1-score 0,79. Результаты подтверждают перспективность графовых подходов для детектирования сложных мошеннических схем в реальном времени.
Введение
Мошенничество в сфере финансовых транзакций — одна из наиболее острых и динамично развивающихся проблем современной цифровой экономики. По оценкам международных финансовых регуляторов, глобальные потери от финансового мошенничества исчисляются сотнями миллиардов долларов ежегодно. Согласно данным Ассоциации по борьбе с мошенничеством в сфере платежей (AFP), в 2023 году мировые потери превысили 485 миллиардов долларов США, при этом доля мошеннических операций в общем объёме электронных платежей обычно составляет от 0.1% до 2% в зависимости от региона, типа транзакции и применяемых мер безопасности [1].
В Российской Федерации проблема финансового мошенничества также приобретает масштабный характер. По данным Центрального банка РФ, объём мошеннических операций с банковскими картами в 2023 году составил более 16 миллиардов рублей, что на 38% превышает показатели предыдущего года. При этом наблюдается устойчивая тенденция к росту сложности мошеннических схем: если ранее преобладали простые методы (фишинг, социальная инженерия), то современные мошенники используют скоординированные атаки с применением бот-сетей, синтетических идентичностей и сложных схем отмывания денег.
<...>
Ключевые слова: мошеннические транзакции, ансамблевые методы, графовые нейронные сети, Random Forest, XGBoost, LightGBM, GraphSAGE, GAT
Полную версию статьи читайте в журнале
Подпишитесь на журнал
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
Сравнительный анализ ансамблевых методов и графовых нейронных сетей (GNN) в задачах выявления мошеннических транзакций в реальном времени
