[論文レビュー] TitAnt: Online Real-time Transaction Fraud Detection in Ant Financial

Shaosheng Cao, Xinxing Yang+4 more|arXiv (Cornell University)|Jun 18, 2019

Imbalanced Data Classification Techniques参考文献 62被引用数 16

ひとこと要約

TitAnt はアントファイナンスで開発されたリアルタイムオンライン取引不正検知システムであり、グラフベースの特徴工学と勾配ブースティング決定木を活用してミリ秒未塔の遅延で不正を検出する。実世界の取引データにおいて、ロジスティック回帰を最大4.5%上回るF1スコアを達成し、大規模かつ不均衡な不正検知シナリオにおいて高い有効性と効率性を示している。

ABSTRACT

With the explosive growth of e-commerce and the booming of e-payment, detecting online transaction fraud in real time has become increasingly important to Fintech business. To tackle this problem, we introduce the TitAnt, a transaction fraud detection system deployed in Ant Financial, one of the largest Fintech companies in the world. The system is able to predict online real-time transaction fraud in mere milliseconds. We present the problem definition, feature extraction, detection methods, implementation and deployment of the system, as well as empirical effectiveness. Extensive experiments have been conducted on large real-world transaction data to show the effectiveness and the efficiency of the proposed system.

研究の動機と目的

• 高スループットの電子決済システムにおけるリアルタイムで大規模なオンライン取引不正検知の課題に対処すること。
• 分類の不均衡や複雑な不正パターンに対処できないルールベースおよび従来の機械学習手法の限界を克服すること。
• 毎日数百億件の取引を処理できるスケーラブルで低遅延のシステムを設計し、高い検知精度を実現すること。
• 集約された取引ネットワーク特徴と教師あり学習を統合し、不正パターンの認識を向上させること。
• 効率的な分散コンピューティングとハイパーパrameterチューニングを通じてシステム性能を最適化すること。

提案手法

• ユーザーおよびアカウント間の相互作用をモデル化するための非均質な取引ネットワークを採用し、グラフベースの特徴学習を可能にする。
• DeepWalk (DW) を用いて取引ネットワーク構造から低次元のノード埋め込みを学習し、トポロジカルパターンを捉える。
• 基本取引特徴とS2V（部分グラフベース）およびDW埋め込みを組み合わせる独自の特徴工学アプローチを採用し、表現を豊かにする。
• 不均衡データに対して優れた性能を示すため、主な分類器として勾配ブースティング決定木（GBDT）を採用する。
• KunPengハードウェア上で専用サーバーとワーカーノードを備えたハイブリッドアーキテクチャを用いて分散環境にデプロイする。
• 次元数、木の数、ノードサンプリングのハイパーパrameterチューニングを実施し、精度と効率のバランスを最適化する。

実験結果

リサーチクエスチョン

• RQ1 集約された取引ネットワーク特徴は、大規模かつリアルタイムなシステムにおける不正検知をどのように改善するか？
• RQ2 不均衡な取引データにおける不正検知において、基本特徴、S2V、およびDW埋め込みの最適な組み合わせは何か？
• RQ3 実世界の不正検知タスクにおいて、GBDTはロジスティック回帰およびルールベースモデルと比べてF1スコアおよび再現率でどのように差をつけるか？
• RQ4 埋め込み次元数や木の数といったハイパーパrameterが、モデル性能および推論効率に与える影響は何か？
• RQ5 生産環境に近い環境において、分散マシン数の増加に伴い、システムのスケーラビリティと遅延はどのように変化するか？

主な発見

• 4月16日のデータにおいて、基本特徴、DW埋め込み、S2V特徴の組み合わせを用いたGBDTは、ロジスティック回帰をF1スコアで最大4.5%上回った。
• 上位1%の疑わしいケースにおける再現率は、C5.0で40%、GBDTでも40%に達し、隔離フォレスト（IF）の10%を大きく上回った。
• DeepWalkにおけるノード埋め込みの最適次元は32であり、次元が小さすぎると不足適合、大きすぎると過剰適合のため性能が低下した。
• GBDTにおけるF1スコアは木の数が400本のときがピークであり、800本に増加すると低下し、木の数が多すぎることによる過剰適合が示された。
• DeepWalkにおけるノードサンプル数が100に達するとシステム性能は安定し、200に増加させても計算時間は2倍に増加するが、性能向上はわずかであった。
• システムはミリ秒未塔のリアルタイム予測を達成しており、マシン数が増加するにつれて遅延は低下するが、通信オーバーヘッドのため線形的なスルーレート向上は制限される。