연구진이 그래프 기반 사기 탐지 모델 ADC-GNN을 제안했어요. ADC-GNN은 희소하고 불균형한 감독 데이터와 표현 희석 문제를 해결하기 위해 설계됐어요.
ADC-GNN은 확산 기반 특징 증강, 대비 학습, 멀티홉 스펙트럴 어텐션을 결합한 프레임워크예요. 노이즈를 활용해 특징 공간에서 노이즈 제거 증강을 수행하고, 대비 학습으로 노드 표현을 안정화해요.
공개 벤치마크와 6만 건 규모의 통신 거래 데이터셋에서 ADC-GNN이 기존 모델보다 성능이 향상된 것을 확인했어요. 1% 학습 환경에서 기존 그래프 사기 탐지 모델과 최신 모델을 능가하는 결과를 보였어요.
모델의 안정적인 작동 환경을 파악하기 위해 다양한 분석을 진행했는데, 확산 스케줄 조정이 중요했어요.