GRAPH NEURAL NETWORKS FOR FRAUD DETECTION: COMPARATIVE ANALYSIS OF METHODS

Аннотация

Исследование посвящено применению графовых нейронных сетей для обнаружения мошеннических транзакций в банковской системе. Современные методы анализа финансовых данных сталкиваются с проблемой низкой эффективности при обработке больших объемов информации, что обостряет задачу выявления аномальных и мошеннических операций. Целью работы является оценка эффективности различных архитектур GNN в контексте банковских транзакций, а также анализ их применимости для повышения точности и уменьшения ложных срабатываний в процессах мониторинга безопасности. В ходе работы были исследованы несколько моделей, среди которых наибольшую эффективность продемонстрировала архитектура LGM-GNN, показавшая наилучшие результаты по точности и полноте. Результаты подтверждают возможность применения графовых нейронных сетей для решения задачи обнаружения мошенничества, что открывает перспективы для их внедрения в реальные системы финансового мониторинга. Заключение работы включает рекомендации по улучшению алгоритмов и направлениям будущих исследований в области графовых моделей для анализа финансовых данных.