[논문 리뷰] Adaptive KDE for Real-Time Thresholding: Prioritized Queues for Financial Crime Investigation

Danny Butvinik, Nana Boateng외 1명|arXiv (Cornell University)|2026. 01. 20.

Network Traffic and Congestion Control인용 수 0

한 줄 요약

본 논문은 밀도 고정 온라인 적응형 KDE 프레임워크를 제시한다. 이 프레임워크는 스트리밍 위험 점수를 밀도 골짜기에 스냅함으로써 안정적이고 용량 인식 임계값으로 변환하고, 비정상적인 점수 분포하에서 다중 큐 라우팅을 가능하게 한다.

ABSTRACT

We study the problem of converting a continuous stream of risk scores into stable decision thresholds under non-stationary score distributions. This problem arises in a wide range of detection systems where scores must be partitioned into prioritized processing regions while preserving semantic consistency over time.

연구 동기 및 목표

• 스트리밍, 비정상적인 점수 분포에서 단일 큐 및 다중 큐 라우팅을 위한 밀도 고정 임계값 설정을 형식화한다.
• 스트리밍 점수 데이터에 적합한 경계 보정(boundary correction)을 갖춘 온라인 적응형 KDE를 개발한다.
• 안정적인 입력 흐름을 보장하기 위한 자연스럽고 설명 가능한 임계값 고정점으로서 지속적인 밀도 골짜기(persistent density valleys)를 식별한다.
• 용량 제약을 반영하여 임계값 배치를 안내하되 점수 단조성을 유지한다.
• 용량 준수, 적체(backlog) 동향, 런타임에 초점을 맞춘 운영 성능을 평가한다.

제안 방법

• 점수 s를 [0,1]로 모델링하고 경계 반사 된 Epanechnikov KDE를 사용하여 고정된 격자에서 f를 추정한다.
• Abramson의 규칙에 따라 f와 대역폭 h를 업데이트하기 위해 슬라이딩 윈도우 또는 지수적 망각을 사용하는 온라인 업데이트 규칙을 사용한다.
• 추정된 밀도의 국지적 최저값을 임계값 배치를 위한 골짜기 후보로 식별한다.
• 밀도를 꼬리 질량 곡선으로 변환하여 용량 정렬 절단값을 도출하고, 대역폭 전체에서 가장 가까운 지속적인 골짜기에 임계값을 스냅한다.
• 히스테리시스, 최소 지원 보장, 선택적 구간 내 미세 조정을 통해 정확한 용량을 충족하도록 안정성을 보장한다.
• 별도의 용량 목표를 만족시키는 골짜기 쌍을 선택하고 큐 내에서 점수 단조성을 유지하여 다중 임계값으로 확장한다.

Figure 1: Visual Depiction of Method

실험 결과

연구 질문

• RQ1 레이블 없이 스트리밍 점수 분포를 어떻게 안정적이고 용량 인식 임계값으로 변환할 수 있는가?
• RQ2 드리프트하에서도 단일 및 다중 큐 임계값 설정에 밀도 골짜기가 안정적이고 해석 가능한 앵커로 작동할 수 있는가?
• RQ3 온라인 KDE 매개변수(윈도우 크기, 망각 인자, 대역폭 업데이트)가 용량 준수 및 임계값 안정성에 미치는 영향은 무엇인가?
• RQ4 골짜기 스냅이 전통적인 분위수 또는 상위 K 방법과 비교할 때 적체 및 큐 동역학에 어떤 영향을 미치는가?
• RQ5 다중 BA 설정에서 per-activity 분포를 유지하며 단조성을 보존하는 확장이 가능한가?

주요 결과

• 프레임워크는 밀도 골짜기에 스냅하여 용량 준수 임계값을 달성하고 분포 드리프트에 대한 입력 민감도를 감소시킨다.
• 경계 보정이 적용된 온라인 적응형 KDE는 실시간 라우팅에 적합한 안정적이고 라벨이 필요 없는 임계값 설정을 가능하게 한다.
• 대역폭에 걸친 골짜기의 지속성은 임계값 요동을 제한하는 견고한 임계값 앵커를 제공한다.
• 이 방법은 큐 내에서 점수 단조성을 유지하면서 단일 및 다중 임계값을 지원한다.
• 합성의 드리프트 스트림에 대한 실험은 제어된 적체 및 런타임과 함께 경쟁력 있는 용량 추적을 보여준다.
• 이벤트당 업데이트는 O(G) 시간으로 실행되며 비즈니스 활동당 O(G) 메모리를 사용한다.

Figure 2: The illustration shows a single panel with histogram(density), fixed-bandwith Epanechnikov KDE with boundary reflection, and Adaptative of KDE(Abrahamson)