English(EN) Q-SYNTH: Hybrid Quantum-Classical Adversarial Augmentation for Imbalanced Fraud Detection

混合量子-经典框架增强欺诈检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 13:32

研究人员开发了 Q-SYNTH，这是一个新颖的混合量子-经典框架，旨在解决信用卡欺诈检测中不平衡数据的挑战。该系统使用参数化量子电路作为生成器，并使用经典神经网络作为判别器来合成少数类欺诈样本。评估表明，Q-SYNTH 在统计保真度与真实欺诈数据以及下游欺诈检测性能的改进之间提供了有希望的平衡，在特定指标上优于一些经典基线。 AI

影响引入了一种新颖的混合量子-经典方法，以提高 AI 模型在不平衡数据集上的性能，从而有可能增强欺诈检测系统。

排序理由该集群包含一篇学术论文，详细介绍了使用混合量子-经典方法进行欺诈检测的新方法。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Mohamed Bennai · 2026-05-20 13:32

Q-SYNTH: Hybrid Quantum-Classical Adversarial Augmentation for Imbalanced Fraud Detection

Credit card fraud detection is fundamentally challenged by extreme class imbalance, where fraudulent transactions are rare yet operationally critical. This imbalance often biases supervised learners toward the legitimate class, leading to high overall accuracy but weaker fraud-cl…

报道来源 [1]

Q-SYNTH: Hybrid Quantum-Classical Adversarial Augmentation for Imbalanced Fraud Detection

相关实体

相关话题