Coerenza tra caratteristiche e contesto: rilevamento non supervisionato di attività avversarie e stabilità rispetto alla deriva nei grafi con attributi

Abstract degli autori

Il rilevamento di attività avversarie nei grafi con attributi che evolvono nel tempo presenta due difficoltà: le etichette relative alle frodi arrivano in ritardo o non arrivano affatto, e la naturale deriva della distribuzione compromette qualsiasi confine decisionale appreso. I sistemi di rilevamento moderni possono raggiungere elevati tassi di rilevamento quando le etichette sono disponibili e la distribuzione è stazionaria; il problema aperto è mantenere questa qualità senza etichette e in presenza di deriva. Individuiamo nella coerenza tra caratteristiche e contesto — la corrispondenza tra gli attributi di un nodo e gli attributi aggregati dei suoi vicini — un unico segnale strutturale che affronta entrambe le difficoltà. La formalizziamo come punteggio Context Boost (CB) nell’ambito di una macchina di Boltzmann ristretta (CB-RBM) e dimostriamo due garanzie complementari per il caso peggiore: una netta separazione tra i valori attesi del CB dei nodi legittimi e di quelli avversari, con una differenza che cresce linearmente con la capacità del modello, purché il contesto dell’avversario resti sufficientemente distante da quello dei vicinati legittimi; e un limite Wasserstein-Lipschitz allo spostamento della distribuzione del CB dovuto alla deriva naturale. Convalidiamo i risultati sul rilevamento del phishing in XBlock Ethereum (~153K nodi) e degli utenti banditi su Reddit (~11K nodi); nell’appendice figurano altri due dataset relativi a domini diversi. Senza alcuna etichetta, CB-RBM raggiunge un’AUROC >= 0,96 su quattro attacchi avversari e mantiene il FPR vicino al suo obiettivo calibrato del 5% in presenza di deriva, superando le GNN supervisionate (centinaia di etichette), i metodi non supervisionati di riferimento per il rilevamento delle anomalie nei grafi e una RBM standard, il cui FPR peggiora fino all’89-100%. Ciò che di norma richiede meccanismi distinti — funzionare senza etichette e restare stabile in presenza di deriva — deriva qui da un’unica regolarità strutturale dei dati. Codice: https://github.com/serval-uni-lu/CB-RBM.