用深度學習進行欺詐檢測
正如吳恩達在他關於應用 triplet loss 函式的演講中指出的那樣，在深度學習文獻中總是會用到“__Net”或者“Deep__”這樣的取名。所以，本著這種“傳統”，我也將本文命名為Fraud Net或者Deep Fraud。
言歸正傳，我們還是開始講欺詐檢測吧。
圖1：包括金融公司常規交易和欺詐交易的圖
我們其實關注的是欺詐預測（預防欺詐發生），這個後續我們會說到。今天我們講，如何把一些先驗行為歸於二分類目標，換句話說欺詐/非欺詐目標。我們將研究確定某個實體是否進行了交易欺詐的兩種方法，第一是使用圖的嵌入；第二是使用一些圖的Topology Metric。
這裡大家可能會有一個疑問，如果交易欺詐已經發生了，那麼誰會在乎識別結果？通過學習這篇文章，你會知道這很重要。2015年我曾經提到過，假正（False Positive ，被模型預測為正的負樣本）欺詐標籤導致了118 billion dollars的損失，而實際欺詐案件的成本為90 億美元。雖然90億美元很多，但是隻佔總成本的7%。所以，準確標記欺詐交易和建立空間站一樣重要。
圖嵌入——個體欺詐
場景一：提高信用卡欺詐分析工具的準確性。
首先，要將你的資料組織成graph。將個人客戶和商家作為節點，並將其財務歷史作為節點屬性。使用節點屬性（比如交易時間戳和交易金額）構建表示這些實體之間金融交易的邊。
然後，將graph嵌入到低維空間，這樣我們才可以使用較為簡單的模型來分析它。為什麼不直接將graph data輸入到模型中呢？因為幾何形狀不相容（你可以通過學習Kipf他們的論文《Semi-Supervised Classification with Graph Convolutional Networks》瞭解我說的意思）。
正如上面所說，節點表示擁有信用卡的個人客戶和與他們交易的商戶。注意下面的三維結構，大量的邊表示金融交易。這真是一個非常需要嵌入的圖。
邊表示金融交易
embedding的策略有很多，我主要介紹兩個常見的，一是主成分分析降低維度（PCA）；二是通過特徵值分解的spectral embedding（eig）。
圖3：這是圖2經過兩種embedding方法後的呈現，藍色是PCA；橙色是特徵值分解。
最後，我們可以構建一個模型，對經過嵌入的graph進行建模就和普通的深度學習建模一樣了。這包括了節點（實體），邊，還有上述的座標資訊。建一個分類模型，進行訓練就好了。
相關的信用卡欺詐檢測資料集：http://mlg.ulb.ac.be
關於上述兩個方法，也為大家找來了兩種方法的詳述內容：
The Principal Components Analysis of a Graph, and its Relationships to Spectral Clustering
https://www.info.ucl.ac.be/~pdupont/pdupont/pdf/ecml04.pdf
Spectral embedding of graphs
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.101.2297&rep=rep1&type=pdf
使用 Topology metric——團伙欺詐
場景二： 從大量的交易記錄中找出洗錢的團伙。 這個問題比分析單個交易記錄更有趣。 這不是看離散樣本，而是要分析金融互動。 這也是圖真正的魅力所在。
看下圖，這是一組在財務上互動的公司。顏色代表他們的“community”，由無監督學習演算法確定。任務是分析黃色的公司真的是洗錢團伙的幌子嗎？
圖4：黃色的公司真的是洗錢團伙的幌子嗎？
第一步：將資料定義為圖結構；
第二步：構建一個演算法，提取感興趣的子圖（上圖中的彩色社群），並計算每個社群的Topology metric；Topology metric是描述子圖形狀的，比如一種流行的Topology metric是邊的數量，在黃色的子圖中，有25條邊。這裡有很多何種Topology metric，我們為每個子圖計算了幾十個；
第三步：為每個子圖構建這些topology metric的特徵向量，以另一種方式連線節點屬性。這裡是計運算元圖中所有節點的平均節點屬性；
第四步：構建已知標籤的目標向量（或者多分類目標矩陣），然後構建模型訓練。