Detecting Fraud in Financial Networks: A Semi-Supervised GNN Approach with Granger-Causal Explanations
创建于 更新于
摘要
本文提出了SAGE-FIN，一种基于半监督图神经网络的金融欺诈检测模型，能够在包含节点和边属性的二分图上识别异常。通过利用部分标记数据和图卷积自编码器，模型结合结构学习与分类，显著提升了欺诈检测性能。利用Granger因果原理，提出了因果解释方法，提供了针对识别结果的局部可解释子图。实证分析表明，SAGE-FIN在Elliptic++数据集的节点和边检测中表现良好，同时因果解释能帮助审计人员理解欺诈行为的关联结构，有助于实际金融监管和调查 [page::0][page::1][page::4][page::5][page::8][page::10][page::12][page::15][page::19][page::22]。
