一种用于检测金融交易流中演变异常的漂移自适应框架

《Scientific Reports》：A drift adaptive framework for detecting and tracking evolving anomalies in financial transaction streams

　　## 摘要金融欺诈检测正日益面临概念漂移、交易行为演变以及对抗性适应等挑战，这些因素在分布发生变化时会降低传统异常检测方法的效果。尽管由于标记欺诈数据稀缺，无监督异常检测被广泛使用，但大多数方法在识别异常交易时未能保持异常群体的结构性和时序连续性。本文提出了HADA+（混合异常检测架构Plus），这是一个序列演化感知框架，包含自适应异常优先级排序（AAP）、分数感知聚类（SAC）、最优传输生命周期对齐（OTLA）以及生命周期演化建模（LEM）四个组件。这些组件共同将逐点异常检测扩展为漂移响应式优先级排序、分数感知结构表示、跨窗口对齐和生命周期分析。HADA+分别在信用卡欺诈数据集、专有移动银行业务交易流、具有可控概念漂移的合成金融数据集以及具有真实生命周期事件的受控生命周期验证数据集上进行了评估。在信用卡欺诈数据集中，HADA+在五次随机种子执行中产生了稳定结果，达到ROC-AUC = 0.915219 ± 0.000954，PR-AUC = 0.068736 ± 0.000436，Precision@100 = 0.041943 ± 0.000180，F1@100 = 0.068992 ± 0.000337，演化连续性得分（ECS）= 0.755973 ± 0.000886。在合成金融数据集上也观察到类似稳定性。在留出式受控生命周期验证数据集上，HADA+实现了五事件宏F1为0.9673，而最近质心匹配仅为0.3674，显示出在五个生命周期事件类别上更强的重建能力。渐进式框架集成、连续性分析、生命周期验证、可扩展性评估和统计分析表明，HADA+提供了一个可复现、连续性保持、生命周期感知的框架，用于在金融交易分布变化下分析演化的异常群体。