时间序列基础模型增强金融犯罪检测
原始标题 / Leveraging Time-Series Foundation Models for Financial Crime Detection
该研究提出TCEE框架，利用冻结的时间序列基础模型总结账户交易历史，为交易边提供时间上下文特征，在多个反洗钱数据集上提升了PR-AUC并加速训练，为金融犯罪检测提供了新思路。
01 摘要
金融犯罪检测需在大型交易网络中识别稀有且随时间展开的非法活动。现有图方法捕获账户关系但常忽视交易历史中的时间行为。作者提出Temporal-Context Edge Enrichment (TCEE)，用冻结的时间序列基础模型（TSFM）总结账户交易历史，丰富交易表示，在六个AMLWorld数据集上平均相对提升PR-AUC 10.8%，训练加速6倍。
02 关键点
- TCEE使用冻结TSFM总结账户交易历史，为边分类提供时间上下文特征。
- 在六个AMLWorld数据集上，TCEE在五个上平均相对提升PR-AUC 10.8%，训练端到端加速6.0倍。
- 将TCEE表示输入GNN，在四个较小数据集上PR-AUC进一步提升4.8%；在以太坊钓鱼数据集上节点分类PR-AUC提升14.5%。
回到一手来源
阅读原文 ↗AI GENERATED SUMMARY / DISCOVERED BY ARXIV CS.LG