EmDT：詐欺検知のための表形式データ生成におけるエンベディング・ディフュージョン・トランスフォーマー

Abstract

不均衡なデータセットは、分類器がしばしば多数クラスに偏り、まれな不正取引に対してうまく機能しないため、不正検知において困難をもたらします。そのため、この問題を緩和する目的で合成データ生成が一般的に用いられます。本研究では、不正サンプルを生成するための拡散モデルである、クラスタリング埋め込み拡散トランスフォーマ（Clustered Embedding Diffusion-Transformer: EmDT）を提案します。主要な革新点は、UMAPのクラスタリングを活用して異なる不正パターンを特定し、拡散プロセス全体にわたって特徴間の関係を捉えるために、正弦波の位置埋め込みを用いたTransformerのノイズ除去ネットワークを学習することです。合成データが生成された後、分類には標準的な決定木ベースの分類器（例：XGBoost）を用います。この種のモデルは、表形式データセットに対してより適しているためです。クレジットカードの不正検知データセットでの実験により、EmDTは、既存のオーバーサンプリング手法および生成手法と比較して、下流の分類性能を大幅に向上させることが示されました。さらに、プライバシー保護は同等の水準を維持し、元データに存在する特徴間の相関も保持しています。