研究提出金融犯罪分析对抗鲁棒多图神经网络框架

1. 12:00
   arXiv 机器学习

   面向金融犯罪分析的对抗鲁棒多图神经网络研究

   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。

当前热度 8·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。