PulseAugur
中
实时 23:23:12
English(EN) CAMERA: Adapting to Semantic Camouflage in Unsupervised Text-Attributed Graph Fraud Detection

CAMERA框架解决了欺诈检测中的语义伪装问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为CAMERA的新框架，以应对无监督文本属性图欺诈检测中的语义伪装。该方法采用了一种解耦的混合专家架构，每个专家专注于不同类型的欺诈指标。一个上下文感知的门控模型通过同时考虑节点的表示及其邻域来适应性地整合这些线索。CAMERA专为无监督单类学习而设计，通过模拟主要的良性模式来有效识别伪装的欺诈者。 AI

影响 通过解决复杂的规避策略，引入了一种新颖的方法来提高在线平台欺诈检测的准确性。

排序理由 介绍特定问题领域新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CAMERA框架解决了欺诈检测中的语义伪装问题

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shirui Pan ·

    CAMERA：在无监督文本属性图欺诈检测中适应语义伪装

    Text-attributed graph fraud detection (TAGFD) plays a critical role in preventing fraudulent activities on online social and e-commerce platforms. However, to evade detection, fraudsters continuously evolve their camouflaging strategies by deliberately mimicking textual responses…

相关实体

相关话题