Financial Crime Analysis

新框架测试用于金融犯罪分析的多图神经网络的对抗性鲁棒性

研究人员开发了一个新框架，用于测试多图神经网络（MGNNs）在金融犯罪分析中对抗攻击的鲁棒性。该框架改编了投影梯度下降和投影随机块坐标下降方法，以优化交易网络中的结构扰动。在合成和真实数据集上的实验表明，这些学习到的攻击显著降低了检测性能，而对抗性训练有效地提高了MGNNs against such manipulations的鲁棒性。