FinFraudBench: Un Benchmark a Grafo Eterogeneo per il Rilevamento di Frodi Finanziarie
L'introduzione di FinFraudBench, un nuovo dataset di benchmark, mira a superare le carenze degli attuali standard di rilevamento delle frodi finanziarie basati su grafi. Questo dataset, descritto in un articolo arXiv (2608.15177), è progettato per rappresentare autenticamente i sistemi finanziari reali mantenendo la complessità dei dati finanziari multi-entità e multi-relazionali. A differenza dei benchmark precedenti che spesso riducono gli ecosistemi finanziari a semplici grafi a singolo nodo, FinFraudBench offre un dataset a grafo eterogeneo completo che simula condizioni realistiche, inclusi grave squilibrio di classi e scarsa disponibilità di etichette. Gli autori sottolineano che i benchmark pubblici esistenti non riflettono accuratamente i sistemi reali, mancando sia della preservazione multi-entità che di dataset eterogenei su larga scala. FinFraudBench cerca di affrontare questi problemi, fornendo una piattaforma più precisa per testare e sviluppare tecniche di rilevamento delle frodi basate su grafi.
Fatti principali
- FinFraudBench è un nuovo benchmark a grafo eterogeneo per il rilevamento di frodi finanziarie.
- È introdotto in un articolo arXiv con ID 2608.15177.
- Il benchmark affronta i limiti dei benchmark esistenti per il rilevamento di frodi basati su grafi.
- Preserva la natura multi-entità e multi-relazionale dei dati finanziari.
- Include condizioni operative realistiche come estremo squilibrio di classi e limitata disponibilità di etichette.
- Il cambiamento nel rilevamento delle frodi passa dalla classificazione isolata delle transazioni al ragionamento relazionale sul rischio.
- I modelli basati su grafi sfruttano le dipendenze tra clienti, carte, commercianti, categorie e località.
- I benchmark esistenti spesso semplificano gli ecosistemi finanziari in grafi omogenei o multi-relazionali a singolo tipo di nodo.
Entità
Istituzioni
- arXiv