AI4Risk/antifraud
A repository for financial fraud detection
解决的问题
AntiFraud 是一个专为检测金融欺诈而设计的统一研究框架。它提供了一种标准化的方式来实现、训练与评估各种深度学习与基于图的欺诈检测方法,减少了为不同算法建立独立流程的需求。
运作方式
该框架整合了多种具代表性的欺诈检测方法,包括卷积神经网络 (CNNs)、时空注意力网络以及图神经网络 (GNNs)。它使用统一的数据处理流程来处理如 YelpChi、Amazon 与 S-FFSD 等数据集,包含特征工程与高阶交易图的构建。
目标对象
专注于金融安全与欺诈检测的研究人员与数据科学家,他们需要一个基准框架来测试与比较不同的深度学习与基于图的模型。
特色亮点
- 多种模型实现:包含广泛的方法,如 MCNN、STAN、STAGN、GTAN、RGTAN、HOGRL 与 Grad。
- 统一流程:标准化的数据处理、训练与评估流程,确保不同模型间的一致性。
- 基于图的方法:强烈聚焦于图表示学习与图增强技术,用于欺诈检测。
- 全面基准测试:提供跨多个数据集的结果,以便进行直接的性能比较。
相关
- 项目
- 项目
- 项目
- 项目