arXiv 机器学习· Dennis Heijmans, H. \c{C}a\u{g}r{\i} Bilgi, Rui Wang, Kubilay Atasu·· 9 小时前AI 评分37
面向金融犯罪分析的对抗鲁棒多图神经网络研究
Towards Adversarially Robust Multigraph Neural Networks for Financial Crime Analysis
AI 导读
研究提出了首个利用节点-边关联矩阵对多图神经网络进行结构攻击与对抗训练的可扩展框架，以评估金融犯罪分析中的模型鲁棒性。该方法通过投影梯度下降等算法优化结构扰动，并引入有向 2 环和 3 环正则项约束攻击合理性。在合成与现实反洗钱（AML）数据集上的实验显示，该攻击大幅降低了 PR-AUC 指标，而对抗训练能有效提升防御能力。
来源：arXiv 机器学习 · arxiv.org