[論文レビュー] FraudJudger: Real-World Data Oriented Fraud Detection on Digital Payment Platforms

Ruoyu Deng, Na Ruan|arXiv (Cornell University)|Sep 5, 2019

Imbalanced Data Classification Techniques参考文献 28被引用数 7

ひとこと要約

FraudJudger は、限られたラベル付きデータから強力なユーザ行動表現を学習し、クラスタ分析を用いて不正パターンを検出する半教師付き不正検出モデルである。敵対的オートエナコーダー（AAE）を活用し、わずか 10% のラベル付きデータでも 59% のクラスタリコールを達成する優れた性能を発揮し、実世界の電子決済データにおいて DAE や VAE、および元の特徴量を上回る性能を示した。

ABSTRACT

Automated fraud behaviors detection on electronic payment platforms is a tough problem. Fraud users often exploit the vulnerability of payment platforms and the carelessness of users to defraud money, steal passwords, do money laundering, etc, which causes enormous losses to digital payment platforms and users. There are many challenges for fraud detection in practice. Traditional fraud detection methods require a large-scale manually labeled dataset, which is hard to obtain in reality. Manually labeled data cost tremendous human efforts. Besides, the continuous and rapid evolution of fraud users makes it hard to find new fraud patterns based on existing detection rules. In our work, we propose a real-world data oriented detection paradigm which can detect fraud users and upgrade its detection ability automatically. Based on the new paradigm, we design a novel fraud detection model, FraudJudger, to analyze users behaviors on digital payment platforms and detect fraud users with fewer labeled data in training. FraudJudger can learn the latent representations of users from unlabeled data with the help of Adversarial Autoencoder (AAE). Furthermore, FraudJudger can find new fraud patterns from unknown users by cluster analysis. Our experiment is based on a real-world electronic payment dataset. Comparing with other well-known fraud detection methods, FraudJudger can achieve better detection performance with only 10% labeled data.

研究の動機と目的

• 実世界のデジタル決済プラットフォームにおける、限られたかつ高コストな手作業によるラベル付き不正データの課題に対処すること。
• 最小限のラベル付きデータからユーザ行動の有効な潜在表現を学習する不正検出モデルの開発。
• 教師なしクラスタ分析を用いて、進化するか未知の不正パターンを自動で検出可能にする。
• 従来のルールベースおよび教師あり手法が、新規の不正行動を検出する際の限界を克服すること。

提案手法

• 包括的な行動モデリングのため、ユーザ操作データと取引データを統合した特徴量セットを構築する。
• 未ラベルデータからコンactでノイズに強い潜在表現を学習するために、敵対的オートエナコーダー（AAE）を用いる。この際、重要な行動パターンを保持する。
• わずか 10% のラベル付きデータを用いて、不正ユーザと健全ユーザを区別する半教師付き分類ヘッドを訓練する。
• 学習済み潜在表現に対して k-means クラスタリングを適用し、歴史的なラベルに含まれない未知の不正パターンを検出する。
• 情報保持とノイズ低減のバランスを考慮し、潜在表現の次元数（例：128）を最適化する。
• 真の不正クラスタと予測されたグループ化の整合性を測るため、クラスタリコールと調整付き相互情報量（AMI）を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 敵対的オートエナコーダーに基づく半教師付きモデルは、従来の手法よりも著しく少ないラベル付き例で不正ユーザを検出できるか？
• RQ2 AAE から学習された潜在表現は、元の特徴量や他のオートエナコーダー変種と比較して、意味のある不正パターンをどれほど的確に捉えられるか？
• RQ3 潜在表現上のクラスタ分析は、ラベル付きデータに存在しない未知または進化する不正パターンをどの程度効果的に特定できるか？
• RQ4 実世界の決済システムにおいて、不正検出性能を最適化するための潜在表現の最適次元数は何か？

主な発見

• FraudJudger は 10% のラベル付きデータを使用した場合、59% のクラスタリコールを達成した。これは、同じ条件下で DAE（55%）や VAE（42%）を顕著に上回った。
• モデルの性能は、潜在表現次元数が 128 のときにピークに達し、クラスタリコールと調整付き相互情報量（AMI）の両方が最大値に達した。
• 処理されていない元の特徴量を用いた場合、100 個のクラスタでわずか 36% のクラスタリコールにとどまり、表現学習の重要性が浮き彫りになった。
• 低次元（例：1 または 2）では、ほぼゼロのクラスタリコールとなり、情報の捕捉が不十分であることが示された。一方、高次元ではノイズと過学習が生じた。
• モデルは、類似した行動パターンを示す不正ユーザを一貫したクラスタにグループ化でき、以前にラベルが付与されていなかった潜在的な不正利用者を検出できた。
• FraudJudger は、完全に教師ありのベースラインと比較して、手作業によるラベリングの必要を 90% 以上削減した。これは、強力な実用的効率性を示している。