泰安做网站建设的,百度登录,网页设计与制作论文1000字,网站图片代码图形神经网络的表示形式#xff08;作者使用必应图像创建器生成的图像#xff09;
一、说明 对于金融、电子商务和其他相关行业来说#xff0c;在线欺诈是一个日益严重的问题。为了应对这种威胁#xff0c;组织使用基于机器学习和行为分析的欺诈检测机制。这些技术能够实时… 图形神经网络的表示形式作者使用必应图像创建器生成的图像
一、说明 对于金融、电子商务和其他相关行业来说在线欺诈是一个日益严重的问题。为了应对这种威胁组织使用基于机器学习和行为分析的欺诈检测机制。这些技术能够实时检测异常模式、异常行为和欺诈活动。 不幸的是通常只考虑当前交易例如订单或者该过程仅基于客户配置文件中的历史数据这些数据由客户ID标识。但是专业欺诈者可能会使用低价值交易创建客户资料以建立其个人资料的正面形象。此外他们可能会同时创建多个类似的配置文件。只有在欺诈发生后被攻击的公司才意识到这些客户资料是相互关联的。 使用实体解析可以轻松地将不同的客户档案组合到一个 360° 客户视图中从而可以查看所有历史交易的全貌。虽然在机器学习中使用这些数据例如使用神经网络甚至简单的线性回归已经为生成的模型提供了额外的价值但真正的价值来自于观察各个交易如何相互连接。这就是图神经网络GNN发挥作用的地方。除了查看从事务记录中提取的特征外它们还提供了查看从图形边缘生成的特征事务如何相互链接甚至只是实体图的一般布局的可能性。
二、示例数据 在我们深入研究细节之前我有一个免责声明要在这里提出我是开发人员和实体解析专家而不是数据科学家或 ML 专家。虽然我认为一般方法是正确的但我可能没有遵循最佳实践也无法解释某些方面例如隐藏节点的数量。使用本文作为灵感并在GNN布局或配置方面借鉴您自己的经验。 出于本文的目的我想重点介绍从实体图布局中获得的见解。为此我创建了一个生成实体的小 Golang 脚本。每个实体都被标记为欺诈性或非欺诈性由记录订单和边缘这些订单的链接方式组成。请参阅以下单个实体的示例
{fraud:1,records:[{id:0,totalValue:85,items:2},{id:1,totalValue:31,items:4},{id:2,totalValue:20,items:9}],edges:[{a:1,b:0,R1:1,R2:1},{a:2,b:1,R1:0,R2:1}]
} 每条记录有两个潜在特征即总价值和购买的物品数量。但是生成脚本完全随机化了这些值因此在猜测欺诈标签时它们不应提供价值。每个边还具有两个特征 R1 和 R2。例如这些可以表示两个记录A和B是通过相似的名称和地址R1还是通过相似的电子邮件地址R2链接的。此外我故意省略了与此示例无关的所有属性姓名、地址、电子邮件、电话号码等但通常事先与实体解析过程相关。由于 R1 和 R2 也是随机的它们也不能为 GNN 提供价值。但是根据欺诈标签边缘以两种可能的方式布局星形布局欺诈0或随机布局欺诈1。 这个想法是非欺诈性客户更有可能提供准确匹配的相关数据通常是相同的地址和相同的名称这里和那里只有几个拼写错误。因此新交易可能会被识别为重复交易。 重复数据删除的实体图片由作者提供 欺诈性客户可能希望使用各种名称和地址隐藏他们仍然是计算机后面的同一个人的事实。但是实体解析工具可能仍可识别相似性例如地理和时间相似性、电子邮件地址中的重复模式、设备 ID 等但实体图可能看起来更复杂。 复杂可能是欺诈实体图片来源作者 为了使它不那么简单生成脚本还具有 5% 的错误率这意味着当实体具有类似星形的布局时它们被标记为欺诈性而随机布局则标记为非欺诈性。此外在某些情况下数据不足以确定实际布局例如只有一条或两条记录。
{fraud:1,records:[{id:0,totalValue:85,items:5}],edges:[]
} 实际上您很可能会从所有三种要素记录属性、边属性和边布局中获得有价值的见解。下面的代码示例将考虑这一点但生成的数据不会。
三、创建数据集 该示例使用 python数据生成除外和带有 pytorch 后端的 DGL。您可以在github上找到完整的jupyter笔记本数据和生成脚本。 让我们从导入数据集开始
import osos.environ[DGLBACKEND] pytorch
import pandas as pd
import torch
import dgl
from dgl.data import DGLDatasetclass EntitiesDataset(DGLDataset):def __init__(self, entitiesFile):self.entitiesFile entitiesFilesuper().__init__(nameentities)def process(self):entities pd.read_json(self.entitiesFile, lines1)self.graphs []self.labels []for _, entity in entities.iterrows():a []b []r1_feat []r2_feat []for edge in entity[edges]:a.append(edge[a])b.append(edge[b])r1_feat.append(edge[R1])r2_feat.append(edge[R2])a torch.LongTensor(a)b torch.LongTensor(b)edge_features torch.LongTensor([r1_feat, r2_feat]).t()node_feat [[node[totalValue], node[items]] for node in entity[records]]node_features torch.tensor(node_feat)g dgl.graph((a, b), num_nodeslen(entity[records]))g.edata[feat] edge_featuresg.ndata[feat] node_featuresg dgl.add_self_loop(g)self.graphs.append(g)self.labels.append(entity[fraud])self.labels torch.LongTensor(self.labels)def __getitem__(self, i):return self.graphs[i], self.labels[i]def __len__(self):return len(self.graphs)dataset EntitiesDataset(./entities.jsonl)
print(dataset)
print(dataset[0]) 这将处理实体文件这是一个 JSON 行文件其中每行表示一个实体。在迭代每个实体时它会生成边特征形状为 [e 2]、e边数的长张量和节点特征形状为 [n 2] 的长张量n节点数。然后它继续基于 a 和 b每个长张量具有形状 [e 1]构建图形并将边和图形特征分配给该图形。然后将所有生成的图形添加到数据集中。
四、模型架构 现在我们已经准备好了数据我们需要考虑GNN的架构。这是我想出来的但可能可以根据实际需求进行更多调整
import torch.nn as nn
import torch.nn.functional as F
from dgl.nn import NNConv, SAGEConvclass EntityGraphModule(nn.Module):def __init__(self, node_in_feats, edge_in_feats, h_feats, num_classes):super(EntityGraphModule, self).__init__()lin nn.Linear(edge_in_feats, node_in_feats * h_feats)edge_func lambda e_feat: lin(e_feat)self.conv1 NNConv(node_in_feats, h_feats, edge_func)self.conv2 SAGEConv(h_feats, num_classes, pool)def forward(self, g, node_features, edge_features):h self.conv1(g, node_features, edge_features)h F.relu(h)h self.conv2(g, h)g.ndata[h] hreturn dgl.mean_nodes(g, h)
构造函数采用节点要素数、边要素数、隐藏节点数和标签类数。然后它创建两个层一个基于边和节点特征计算隐藏节点的 NNConv 层然后是一个基于隐藏节点计算结果标签的 GraphSAGE 层。
五、培训和测试 快到了。接下来我们准备用于训练和测试的数据。
from torch.utils.data.sampler import SubsetRandomSampler
from dgl.dataloading import GraphDataLoadernum_examples len(dataset)
num_train int(num_examples * 0.8)train_sampler SubsetRandomSampler(torch.arange(num_train))
test_sampler SubsetRandomSampler(torch.arange(num_train, num_examples))train_dataloader GraphDataLoader(dataset, samplertrain_sampler, batch_size5, drop_lastFalse
)
test_dataloader GraphDataLoader(dataset, samplertest_sampler, batch_size5, drop_lastFalse
) 我们使用随机抽样以 80/20 的比例进行拆分并为每个样本创建一个数据加载器。最后一步是用我们的数据初始化模型运行训练然后测试结果。
h_feats 64
learn_iterations 50
learn_rate 0.01model EntityGraphModule(dataset.graphs[0].ndata[feat].shape[1],dataset.graphs[0].edata[feat].shape[1],h_feats,dataset.labels.max().item() 1
)
optimizer torch.optim.Adam(model.parameters(), lrlearn_rate)for _ in range(learn_iterations):for batched_graph, labels in train_dataloader:pred model(batched_graph, batched_graph.ndata[feat].float(), batched_graph.edata[feat].float())loss F.cross_entropy(pred, labels)optimizer.zero_grad()loss.backward()optimizer.step()num_correct 0
num_tests 0
for batched_graph, labels in test_dataloader:pred model(batched_graph, batched_graph.ndata[feat].float(), batched_graph.edata[feat].float())num_correct (pred.argmax(1) labels).sum().item()num_tests len(labels)acc num_correct / num_tests
print(Test accuracy:, acc) 我们通过提供节点和边的特征大小在我们的例子中都是 2、隐藏节点 64 和标签数量2因为它要么是欺诈要么不是欺诈来初始化模型。然后以 0.01 的学习率初始化优化器。之后我们总共运行 50 次训练迭代。训练完成后我们使用测试数据加载器测试结果并打印结果的准确性。 对于各种运行我的典型准确度在 70% 到 85% 的范围内。但是除了少数例外降至55%左右。
六、结论 鉴于我们的示例数据集中唯一可用的信息是解释节点是如何连接的初步结果看起来非常有希望并表明通过真实世界的数据和更多的训练可以实现更高的准确率。 斯特凡·伯克纳 显然在处理真实数据时布局并不那么一致并且没有在布局和欺诈行为之间提供明显的相关性。因此您还应考虑边缘和节点功能。本文的关键要点应该是实体解析为使用图形神经网络的欺诈检测提供了理想的数据并且应被视为欺诈检测工程师工具库的一部分。
