RGH-GNN

新的RGH-GNN模型通过风险门控聚合增强金融欺诈检测能力

研究人员开发了一种名为RGH-GNN的新模型，这是一种异构图神经网络，旨在改进金融欺诈检测。该模型将由LightGBM分类器生成的交易级别风险评分作为边权重，以指导其消息传递机制。通过优先处理高风险交易，RGH-GNN旨在防止标准图神经网络中均匀聚合可能导致的关键信号稀释。在IEEE-CIS欺诈检测数据集上进行测试时，RGH-GNN表现优于现有模型，AUC-ROC得分为0.914。