CAMERA: 비지도 텍스트 속성 그래프 사기 탐지에서의 의미론적 위장 적응

요약

사기꾼들이 선량한 사용자의 텍스트를 모방하여 탐지를 피하는 '의미론적 위장' 문제를 해결하기 위한 비지도 학습 기반의 TAGFD 프레임워크인 CAMERA를 제안합니다. CAMERA는 에고-디커플링 혼합 전문가(MoE) 구조와 문맥 정보 기반 게이팅 모델을 통해 다양한 사기 지표를 적응적으로 통합합니다. 실험 결과, CAMERA는 위장된 사기꾼을 탐지하는 데 있어 기존 모델보다 뛰어난 성능을 입증했습니다.

핵심 포인트

• 의미론적 위장(Semantic camouflage) 전략을 사용하는 사기꾼을 탐지하기 위한 비지도 학습 프레임워크 제안
• 에고-디커플링 혼합 전문가(Ego-decoupled MoE) 구조를 통해 다양한 유형의 사기 지표 모델링
• 에고 노드 표현과 국소 이웃 문맥을 동시에 고려하는 문맥 정보 기반 게이팅 모델 도입
• 비지도 단일 클래스 학습(Unsupervised one-class learning)을 통해 사기꾼의 희소성 활용
• 4개의 데이터셋 실험을 통해 기존 모델 대비 우수한 성능 검증