面向金融犯罪分析的对抗鲁棒多图神经网络

arXiv:2610.31718v1 发布类型：新 提要：金融交易网络通常以多重图的形式自然表示，其中同一账户对之间的重复交易被建模为不同的边。近期提出的多重图神经网络架构明确利用这一结构，在反洗钱（AML）任务上取得了优异的性能。然而，这些模型对于那些通过操纵交易结构以逃避检测的攻击者的鲁棒性仍鲜有研究。我们提出了首个基于节点—边关联矩阵的可扩展框架，用于对多重图神经网络实施结构化攻击与对抗训练，并针对此类多重图优化结构扰动，同时适配投影梯度下降法与投影随机化块坐标下降法。