Transformer relazionali a grafo a doppia scala per il rilevamento delle frodi con consapevolezza dell’ecosistema

Abstract degli autori

Le frodi dovute alla presa di controllo degli account (ATO) rappresentano una minaccia crescente per i servizi bancari digitali e richiedono un rilevamento efficace che riduca al minimo gli attriti per i clienti legittimi. I sistemi in produzione si affidano prevalentemente a modelli tabellari, che assegnano un punteggio alle sessioni in modo isolato, ignorando la struttura relazionale della rete di interazioni sottostante. Sebbene i modelli basati su grafi sfruttino le relazioni tra le sessioni e le entità della rete, ragionano soprattutto sui vicinati locali e colgono quindi solo una parte del problema: il rischio di frode dipende congiuntamente dalla struttura relazionale locale che circonda una sessione e dallo stato globale in evoluzione dell’ecosistema delle frodi. Presentiamo HERMES (HEterogeneous Relational Micro--macro graph transformer Encoder for high-risk Sessions), un’architettura a doppia scala che modella congiuntamente queste dimensioni complementari dell’informazione. Micro-GT coglie la struttura locale del grafo eterogeneo tramite un meccanismo di attenzione strutturato e consapevole delle relazioni, applicato a un vicinato di sessioni temporalmente sicuro. A complemento di questa rappresentazione locale, Macro-GT modella il contesto a livello di ecosistema usando token climatici non anticipatori, che riassumono le dinamiche delle frodi, i cambiamenti delle piattaforme e il riutilizzo delle infrastrutture, insieme a prototipi di classe adattivi che tracciano nel tempo schemi rappresentativi di sessioni fraudolente e non fraudolente. Valutato su oltre 130 milioni di sessioni di transazioni ad alto rischio provenienti da un importante istituto finanziario statunitense, HERMES supera costantemente i sistemi in produzione e solidi modelli di riferimento basati su grafi, ottenendo una riduzione relativa del 44,44% degli attriti per i clienti e un miglioramento relativo del 24,66% nel richiamo delle frodi rispetto al sistema in produzione. Le analisi di ablazione e di stabilità temporale dimostrano inoltre i vantaggi complementari della modellazione relazionale locale e del contesto globale dell’ecosistema nei diversi regimi di frode in evoluzione.