Graph mining assisted semi-supervised learning for fraudulent cash-out detection

Introduction

BackGroud


偽冒的發(fā)生模式


偽冒的問(wèn)題配置


related Work

1. 有監(jiān)督學(xué)習(xí)方式：LR，SVM， 神經(jīng)網(wǎng)絡(luò)

2. 混合的有監(jiān)督學(xué)習(xí)方法

3. 通過(guò)聚類實(shí)現(xiàn)的半監(jiān)督的學(xué)習(xí)方法

4. 傳統(tǒng)圖挖掘和監(jiān)督學(xué)習(xí)的混合方法， 以下圖為例


模型是如何在反欺詐商戶的識(shí)別中發(fā)揮作用的

（前提1: 我們知道客戶在欺詐偽冒場(chǎng)景中的好壞

? ?前提2 : 部分已知商戶的好壞）


problem Solver


MRF估計(jì)


問(wèn)題定義

此處最重要的一點(diǎn)是變量X：

顧客的某個(gè)子集V_{s}^1和商戶的某個(gè)子集V_{c}^1有直接的，被觀測(cè)到的是否發(fā)生偽冒或者欺詐行為

簡(jiǎn)單來(lái)說(shuō) 就是：所有發(fā)生過(guò)偽冒欺詐的顧客扔進(jìn)V_{c}^1，發(fā)生過(guò)偽冒欺詐的商戶扔進(jìn)V_{s}^1

變量X其實(shí)就為了構(gòu)造MRF，對(duì)于X，X的元素指向了所有的客戶和商戶，但僅在商戶和客戶之間存在勢(shì)函數(shù)


勢(shì)函數(shù)定義


成對(duì)馬爾可夫性


詳情見博客：https://blog.csdn.net/hohaizx/article/details/82868843

利用BP算法來(lái)計(jì)算商戶節(jié)點(diǎn)j_{s} 卷入欺詐或者偽冒的概率(邊緣概率)

論文中提出兩種概念 ，prob + potential

1. prob: 作者對(duì)商戶偽冒概率的定義是： 商戶卷入偽冒交易事件的概率，而并不是去定義商戶的好壞概率

2. potential : 作者認(rèn)為在偽冒場(chǎng)景中，商戶是中立的(potential = 0.5)?

? ? ? ? ? ? ? ? ? ? ? ?但顧客會(huì)存在偽冒傾向(potential)，且在二者關(guān)系的交易關(guān)系存在交易模式的偽冒傾向(顧客a在商戶A中大額交易)。三者分別是獨(dú)立的，但是一旦通過(guò)公式組合起來(lái)，便生成了“某商戶卷入偽冒事件的概率”?P(X_{j_s}=1)

MRF

其中\psi_{i_{c}j_{s}} 為交易邊，softmax形式為

\alpha_{kX_{i,j} } ：是當(dāng)前顧客i_{c} 在當(dāng)前商戶j_{s} 在當(dāng)前交易類型k下的偽冒傾向權(quán)重(indicates hemophilic relation)


邊的計(jì)算(參數(shù)\alpha_{kX_{i,j} } 目前未知，是參數(shù)估計(jì)的目標(biāo))

下述為節(jié)點(diǎn)的potential prob

依然?\beta_{c}^1?和\beta_{c}^u也是未知參數(shù)，需要做參數(shù)估計(jì)

對(duì)于顧客而言，如果當(dāng)前(t_{0} 時(shí)刻)i_{c} \in V_{c}^1(即：顧客卷入過(guò)偽冒案件中)，那么他的偽冒傾向(X_{i_{c} } = 1) (下一次卷入偽冒案件中的potential)應(yīng)該還是保持不變?\beta_{c}^I, 這同樣也是一種馬爾可夫過(guò)程

對(duì)于商戶而言，potential 都被設(shè)定為0.5

節(jié)點(diǎn)公式


參數(shù)估計(jì)

通過(guò)已標(biāo)注的商戶來(lái)進(jìn)行上述未知參數(shù)的參數(shù)估計(jì)(估計(jì)用負(fù)樣本進(jìn)行極大似然估計(jì)就可以了)


參數(shù)估計(jì)轉(zhuǎn)化為凸優(yōu)化問(wèn)題
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容