Hybrides LSTM-Graph-Neural-Framework für robuste Erkennung von Finanzbetrügern und adversarische Resilienz

arXiv:2607.19350v1 Ankündigungstyp: neu Zusammenfassung: Finanzinstitute sehen sich erheblichen Herausforderungen beim Erkennen ausgefeilter Geldwäsche-Muster wie Smurfing und Layering gegenüber, aufgrund extremer Datenunausgeglichenheit (0,13% Betrugsrate) und sich entwickelnder adversarialer Umgehungstaktiken. Dieses Papier schlägt Fraud