「工业落地」基于异质图神经网络的异常账户检测
背景介绍
- 文章核心思想？
本文的目的是检测支付宝的异常用户。文中针对支付宝用户的“设备聚集性”和“活动聚集性”特征，在传统GCN的基础上进行改进提出GEM模型：考虑不同节点类型构建异构图，利用聚合函数结合邻居节点信息，此外还引入了注意力机制进行建模。对比其他模型取得了较好的效果
算法原理
数据探索性分析
- 设备聚集性
对数据进行分析发现，异常用户往往会有设备聚集性，如果在一个设备上常常会登录大量用户，那么这个设备以及这些账号通常是可疑的。如图所示为正常用户与异常用户的设备-账号id分布，横坐标为设备id，纵坐标为账号id，左图为正常用户，右图为异常用户，可以看出异常用户在某些特定设备id上有较明显的群聚效应。
- 活动聚集性
对数据进行分析发现，异常用户往往会有活动聚集性。与正常用户随机时间有行为(登录、注册等)不同，异常用户会集中在某个时间段内集中行动，如图所示为正常用户与异常用户在每个时间点的行为，横坐标为时间，纵坐标为账号，左图为正常用户，右图为异常用户，每个点表示账号i在时刻t有行为,可以看出，异常用户往往行为规律性更强
异构图构建
异构图G=(V,E)，N个节点(包括账号和设备)，M个边，如果账号i在设备j上有行为(登录注册等)，则有一条边相连。
这里的设备有更广泛的含义，比如说mac地址，IP地址等，本文中利用电话号码，UMID, MAC地址，IMSI, APPID, TID六种类型设备，可以根据不同设备类型构建不同子图，
，其中每个子图包括了全部节点，边只包含属于该类型设备的边。
数据特征：选取p个时间节点，分别记录每个时间节点的行为，|D|种类型的设备特征|D|维，因此每个账号有p+|D|维特征(也可以加入一些其他的账号画像特征)，特征矩阵为
目标：给定时间[0,T)内用户行为与用户标签，构建邻接矩阵A与用户特征矩阵X，预测用户在时刻T时正常or异常
模型
类别GCN模型，此处有两点改进：
- 将GCN模型用于异构图种
- 对邻居进行聚合
对于各个设备的子图
,迭代：
其中，
均为要学习的参数，
为embedding矩阵，T为隐层个数，也可理解为聚合了几跳的邻居，比如
聚合5跳邻居；此外可以看出在迭代表达式中，X在每一隐层种都有出现，目的是连接远距离的关系，有点类似于残差网络的思想。
注意力机制
考虑到不同类型的设备影响不同，可以考虑加入注意力机制，此时迭代表达式为：
,
其中
是要被学习的参数
实验
利用支付宝数据进行实验，实验中不考虑孤立节点，因为孤立节点的风险较小，利用连续4周的数据进行实验，预测新注册的账号在每周的最后一天是否会异常。
模型对比：
Base model: Connected Subgraphs
构图方法：
- 异构图转化为同构图：如果两个账号在同一个设备上登陆过，则有一条边相连
- 减少边：考虑用户行为，利用两个用户的行为向量做内积，根据内积相似度衡量两个用户的关系，如果相似度小于某一阈值，则取消这条边
- 利用每个账号所属的子图大小为每个用户打分
GBDT+Graph 利用图的基本统计信息(比如入度、出度等)以及用户信息当作特征，然后利用GBDT进行训练
GBDT+Node2vec
GCN
模型结果如图所示:
参考文献：
Liu, Z., Chen, C., Yang, X., Zhou, J., Li, X., & Song, L. (2018, October). Heterogeneous graph neural networks for malicious account detection. In Proceedings of the 27th ACM International Conference on Information and Knowledge Management (pp. 2077-2085).