[论文解读] EnsemFDet: An Ensemble Approach to Fraud Detection based on Bipartite Graph

Yuxiang Ren, Hao Zhu+3 more|arXiv (Cornell University)|Dec 23, 2019

Imbalanced Data Classification Techniques参考文献 38被引用 11

一句话总结

EnsemFDet 是一种用于二分图的集成欺诈检测框架，通过将大规模促销活动欺诈检测分解为并行子图采样与投票机制，提升了可扩展性和准确性。在京东的电商真实数据上，其速度相比最先进方法最高提升100倍，同时保持了高精确率与高召回率。

ABSTRACT

Fraud detection is extremely critical for e-commerce business. It is the intent of the companies to detect and prevent fraud as early as possible. Existing fraud detection methods try to identify unexpected dense subgraphs and treat related nodes as suspicious. Spectral relaxation-based methods solve the problem efficiently but hurt the performance due to the relaxed constraints. Besides, many methods cannot be accelerated with parallel computation or control the number of returned suspicious nodes because they provide a set of subgraphs with diverse node sizes. These drawbacks affect the real-world applications of existing methods. In this paper, we propose an Ensemble-based Fraud Detection (EnsemFDet) method to scale up fraud detection in bipartite graphs by decomposing the original problem into subproblems on small-sized subgraphs. By oversampling the graph and solving the subproblems, the ensemble approach further votes suspicious nodes without sacrificing the prediction accuracy. Extensive experiments have been done on real transaction data from JD.com, which is one of the world's largest e-commerce platforms. Experimental results demonstrate the effectiveness, practicability, and scalability of EnsemFDet. More specifically, EnsemFDet is up to 100x faster than the state-of-the-art methods due to its parallelism with all aspects of data.

研究动机与目标

• 为解决大规模电商平台促销活动欺诈检测中因缺乏标注数据而难以应用监督学习的问题。
• 克服谱方法与启发式方法在可扩展性差、并行化能力弱以及性能不稳定方面的局限性。
• 设计一种可扩展、稳定且准确的欺诈检测系统，能够应对动态且生命周期短暂的促销活动及其不断演变的欺诈模式。
• 通过将图分解为更小的子图并利用集成投票聚合结果，实现高效、并行且自适应的欺诈检测。

提出的方法

• 该方法将促销活动欺诈检测建模为二分图上的优化问题，该图表示用户与商户之间的交易关系。
• 采用集成框架，将原始图过采样为多个较小的子图，以支持并行处理。
• 提出一种新颖的启发式算法 FDet，用于在每个采样子图中检测密集子图，可自动确定欺诈子图数量，无需人工调整超参数。
• FDet 使用高效的截断策略加速子图检测，同时保持检测精度。
• 通过在所有采样子图中进行投票识别可疑节点，配置阈值 T 以平衡精确率与召回率。
• 该框架动态调整采样大小（S）和重复率（N），以在性能、可扩展性与计算成本之间取得平衡。

实验结果

研究问题

• RQ1 如何在不依赖标注数据的前提下，使大规模、动态的电商促销活动欺诈检测实现可扩展与高效？
• RQ2 与单一方法相比，集成采样与投票在多大程度上能提升检测精度与稳定性？
• RQ3 采样大小（S）、重复率（N）与投票阈值（T）如何影响欺诈检测系统的性能与鲁棒性？
• RQ4 所提方法是否能在真实场景中实现相比最先进方法的显著提速，同时保持高精确率与高召回率？

主要发现

• 由于高度可并行化的设计与高效的子图采样，EnsemFDet 相比最先进方法最高实现100倍速度提升。
• 该方法在不同参数设置下均保持高精确率与高召回率，即使采样大小（S）降低至原始图的1%，性能依然稳定。
• FDet 算法无需手动调整子图数量即可成功检测欺诈子图，提升了易用性并降低了对超参数的依赖。
• 带有阈值 T 的投票机制可实现精确率与召回率之间的平滑权衡，使实践者可根据具体应用场景灵活调优系统。
• EnsemFDet 在不同 N 与 S 值下表现出强鲁棒性与稳定性，适用于核心数量各异的多样化计算环境。
• 该方法已成功部署于京东的风险控制系统，证实了其实际可行性和真实世界有效性。