[论文解读] 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 7

一句话总结

FraudJudger 是一种半监督欺诈检测模型，利用对抗性自编码器（AAE）从有限的标注数据中学习稳健的用户行为表征，并通过聚类分析检测欺诈模式。该模型在仅使用10%标注数据的情况下实现了59%的聚类召回率，性能优于DAE、VAE和原始特征，在真实电子支付数据中表现优异。

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.

研究动机与目标

• 解决现实数字支付平台中欺诈数据标注有限且成本高昂的挑战。
• 开发一种能够从极少标注数据中学习用户行为有效潜在表征的欺诈检测模型。
• 通过无监督聚类分析实现在未知或演变欺诈模式下的自动检测。
• 克服传统基于规则和监督方法在检测新型欺诈行为方面的局限性。

提出的方法

• 将用户操作数据与交易数据整合为统一的特征集，实现全面的行为建模。
• 使用对抗性自编码器（AAE）从无标注数据中学习紧凑且抗噪的潜在表征，保留关键的行为模式。
• 仅使用10%的标注数据训练半监督分类头，以区分欺诈用户与正常用户。
• 在学习到的潜在表征上应用k-means聚类，以检测历史标注中未涵盖的未知欺诈模式。
• 优化潜在表征的维度（例如128），在信息保留与噪声抑制之间取得平衡。
• 使用聚类召回率和调整兰顿互信息（AMI）评估性能，以衡量真实欺诈聚类与预测分组之间的对齐程度。

实验结果

研究问题

• RQ1 基于对抗性自编码器的半监督模型是否能在远少于传统方法所需标注样本的情况下检测欺诈用户？
• RQ2 与原始特征或其他自编码器变体相比，AAE学习到的潜在表征在捕捉有意义的欺诈模式方面表现如何？
• RQ3 在潜在表征上进行聚类分析，能在多大程度上揭示未在标注数据中出现的未知或演变的欺诈模式？
• RQ4 在真实支付系统中，欺诈检测性能最优的潜在表征维度是多少？

主要发现

• 当使用10%标注数据时，FraudJudger 实现了59%的聚类召回率，显著优于DAE（55%）和VAE（42%）的性能。
• 模型性能在潜在表征维度为128时达到峰值，此时聚类召回率和调整兰顿互信息（AMI）均达到最大值。
• 使用未经处理的原始特征时，聚类召回率仅为36%（100个聚类），凸显了表征学习的重要性。
• 较低维度（如1或2）导致聚类召回率接近零，表明信息捕获不足；而更高维度则引入噪声并导致过拟合。
• 该模型成功将具有相似行为模式的欺诈用户分组到紧密的聚类中，从而实现对先前未标注潜在欺诈者的检测。
• 与完全监督基线相比，FraudJudger 将人工标注需求减少了90%以上，展现出强大的实际效率。