[论文解读] No Place to Hide: Catching Fraudulent Entities in Tensors

Yikun Ban, Xin Liu+3 more|arXiv (Cornell University)|Oct 15, 2018

Tensor decomposition and applications参考文献 36被引用 4

一句话总结

本文提出 ISG+D-Spot，一种新颖的框架，将张量建模为加权图（信息共享图）以通过密集子图挖掘检测欺诈实体。通过捕捉异构特征间的值共享模式，并使用一种快速且可并行化的算法，D-Spot 实现了最高达 11 倍的加速，且保证检测到的子图密度至少为最优子图的 1/2，优于现有最先进方法在真实世界数据集上的欺诈检测表现。

ABSTRACT

Many approaches focus on detecting dense blocks in the tensor of multimodal data to prevent fraudulent entities (e.g., accounts, links) from retweet boosting, hashtag hijacking, link advertising, etc. However, no existing method is effective to find the dense block if it only possesses high density on a subset of all dimensions in tensors. In this paper, we novelly identify dense-block detection with dense-subgraph mining, by modeling a tensor into a weighted graph without any density information lost. Based on the weighted graph, which we call information sharing graph (ISG), we propose an algorithm for finding multiple densest subgraphs, D-Spot, that is faster (up to 11x faster than the state-of-the-art algorithm) and can be computed in parallel. In an N-dimensional tensor, the entity group found by the ISG+D-Spot is at least 1/2 of the optimum with respect to density, compared with the 1/N guarantee ensured by competing methods. We use nine datasets to demonstrate that ISG+D-Spot becomes new state-of-the-art dense-block detection method in terms of accuracy specifically for fraud detection.

研究动机与目标

• 解决现有密集块检测方法在仅部分张量维度上出现密集信号时无法识别欺诈的局限性。
• 将基于张量的欺诈检测建模为密集子图挖掘，同时保留全部密度信息并处理异构数据类型。
• 开发一种可扩展、可并行化的算法，保证高质量的密集子图检测并具备可证明的近似界。
• 通过信息论方法优先处理关键特征，区分隐藏最密块（欺诈性）与普通密集块。
• 通过基于信息论贡献自动加权特征，提升对噪声特征的鲁棒性。

提出的方法

• 通过将张量中每个值共享实例转换为加权边或节点，构建信息共享图（ISG），以保留全部密度信息。
• 使用信息论度量分配边权重，优先考虑分布显著性更高的特征，如 IP 地址或设备 ID，而非年龄或性别等平凡特征。
• 应用 D-Spot 算法在单次遍历中检测多个最密子图，利用贪心迭代方法，对密度提供 1/2-近似保证。
• 设计 D-Spot 以支持并行化，通过独立处理子图实现在大规模张量上的高效扩展。
• 通过单次扫描张量构建 ISG，确保时间复杂度与条目数量呈线性关系。
• 在图构建阶段集成特征优先级机制，使方法能自然抵抗噪声并突出语义关键特征。

实验结果

研究问题

• RQ1 密集块检测能否在不损失密度信息的前提下，有效重构为变换后图表示中的密集子图挖掘？
• RQ2 基于图的方法是否能比现有基于搜索或分解的方法更有效地检测隐藏最密块——即仅在部分张量维度上密集的块？
• RQ3 可扩展、可并行化的算法能否在欺诈检测的密集子图检测中同时实现高速度与强理论保证？
• RQ4 信息论特征加权的集成如何在存在噪声或无关特征的情况下提升检测准确性？
• RQ5 所提出的 ISG+D-Spot 框架在真实世界欺诈检测场景中，相较于最先进方法的优越程度如何？

主要发现

• ISG+D-Spot 相较于最先进算法实现了最高达 11 倍的加速，显著提升了大规模张量分析的性能。
• D-Spot 算法保证检测到的子图密度至少为最优子图的 1/2，优于其他方法在相同条件下仅保证 1/N 密度的性能。
• 在八个真实世界数据集中，ISG+D-Spot 的 AUC 分数高于现有方法（包括 M-Zoom、M-Biz 和 D-Cube），尤其在检测小规模隐藏密集块方面表现更优。
• 在 Registration 数据集中，即使包含五个特征，ISG+D-Spot 仍保持高 AUC（0.9859），而基线方法显著下降（例如，M-Zoom sus AUC 降至 0.4874），展现出对噪声的强鲁棒性。
• 该方法成功检测到一个共享单一 IP 子网的 51 人团体——此前基线方法未能发现——通过 ISG 构建放大了值共享信号。
• ISG+D-Spot 的运行时间随数据集规模近似线性增长，Amazon 数据集的性能表现证实了其在真实世界部署中的实用性。