Graph-Embeddings für Geldwäschebekämpfung und Betrug

Graph-Embeddings verwandeln jedes Konto in einen Vektor, der seine Position im Transaktionsnetzwerk kodiert: wen es bezahlt und wie sich seine Nachbarn verhalten. Für AML und Betrugserkennung erlaubt das einem Modell, Netzwerkformen zu bewerten, für die kein Analyst je eine Regel geschrieben hat. Der Haken: Ein roher Vektor erklärt für sich genommen nichts, und so besteht das Designproblem darin, den Mehrwert zu behalten, ohne den Prüfpfad zu verlieren.

Die meisten Teams bauen Graph-Features bereits von Hand. Anzahl unterschiedlicher Gegenparteien in 30 Tagen, Fan-in- und Fan-out-Verhältnisse, Grad eines gemeinsam genutzten Geräts, ob ein Konto zwei Hops von einem bekannten Mule entfernt liegt. Diese funktionieren, und Sie sollten sie behalten. Aber sie erfassen nur die Muster, die jemand aufzuzählen dachte. Ein Layering-Schema, das Gelder über einen rotierenden Satz von Zwischenkonten leitet, von denen jedes einzelne unauffällig ist, wird jede handgebaute Schwelle passieren, während es als Struktur offensichtlich ist. Representation Learning ist der Weg, an die Struktur heranzukommen, ohne sie vorab zu benennen.

Was das Embedding tatsächlich lernt

Ein Embedding ist eine Funktion von einem Knoten und seiner Nachbarschaft auf einen Vektor fester Länge, so trainiert, dass Knoten in ähnlichen Positionen nahe beieinander landen. Zwei Familien sind wissenswert.

• Shallow Embeddings (node2vec und seine Verwandten) lernen einen Vektor pro Knoten aus Random Walks über den Graphen. Sie sind günstig zu trainieren und erfassen Community-Struktur gut, was sie zu einem vernünftigen ersten Modell macht. Die Einschränkung: Sie sind transduktiv. Ein Knoten, der nicht im Trainingsgraphen war, hat keinen Vektor, sodass ein brandneues Konto nichts bekommt, bis Sie neu trainieren.
• Graph Neural Networks (ein GNN wie GraphSAGE) lernen eine Funktion, die die Features eines Knotens und die Features seiner Nachbarn aggregiert. Weil sie auf Features statt auf Identitäten operieren, generalisieren sie auf Knoten, die zur Trainingszeit nicht existierten, was zählt, wenn die Konten, die Sie am dringendsten scoren wollen, genau die sind, die letzte Woche eröffnet wurden.

Für ein Live-AML-Setting entscheidet meist die induktive Eigenschaft. Mule-Netzwerke und Betrugsringe fluktuieren. Wenn Ihr Embedding einen Knoten nicht scoren kann, der nach dem letzten Trainingslauf aufgetaucht ist, haben Sie etwas gebaut, das nur auf der Historie funktioniert.

Das Trainingssignal zählt genauso wie die Architektur. Selbstüberwachte Zielfunktionen (eine maskierte Kante vorhersagen, eine echte Nachbarschaft gegen eine korrumpierte kontrastieren) liefern Ihnen Embeddings, ohne Labels zu benötigen, was der Tatsache ehrlich Rechnung trägt, dass bestätigte Geldwäsche-Labels dünn gesät und zeitverzögert sind. Wo Sie Labels aus eingereichten Verdachtsmeldungen (SARs) oder bestätigtem Betrug haben, schärft eine überwachte oder halbüberwachte Zielfunktion den Raum hin zu dem Risiko, das Sie interessiert. Wir fahren meist beides: eine selbstüberwachte Basis, die die allgemeine Struktur erfasst, feingetunt auf die vorhandenen bestätigten Fälle.

Den Graphen aufbauen, ohne die Zukunft einsickern zu lassen

Hier brechen die meisten AML-Graph-Projekte klammheimlich, und das Versagen zeigt sich erst, wenn die Produktion enttäuscht. Die Trainingsmetriken sehen exzellent aus, weil der Graph, den Sie eingebettet haben, bereits das Ergebnis enthält, das Sie vorhersagen.

Point-in-Time-Korrektheit ist auf einem Graphen schwieriger als auf einer flachen Feature-Tabelle, weil Kanten Zeit tragen und Einfluss sich fortpflanzt. Drei Regeln, an denen wir festhalten.

• Jede Kante hat einen As-of-Zeitstempel, und der Graph, den Sie zum Zeitpunkt T scoren, enthält nur Kanten, die bis einschließlich T beobachtet wurden. Der risikoreiche Nachbar eines Kontos ist vielleicht erst nach Ihrem Entscheidungszeitpunkt risikoreich geworden. Diese Kante einzubeziehen ist Lookahead, und es ist die mit Abstand häufigste Art, wie Graph-AML-Modelle ihren Mehrwert überzeichnen.
• Node-Features werden auf dieselbe Weise gefiltert. Das gesamte Transaktionsvolumen einer Gegenpartei, ihre SAR-Historie, ihr Grad, all das muss widerspiegeln, was zum Zeitpunkt T bekannt war. Das bedeutet, dass auch das Entity Resolution, das Konten zu einem einzigen Kunden zusammenführt, as-of rekonstruiert werden muss, denn eine Merge-Entscheidung, die letzten Monat getroffen wurde, existierte zum Entscheidungszeitpunkt, den Sie backtesten, noch nicht.
• Labels stammen aus dem Outcome-Fenster, Features aus der Zeit davor. Halten Sie eine harte Wand zwischen dem Zeitraum, aus dem Sie den Graphen bauen, und dem Zeitraum, aus dem Sie das Label lesen, mit einem Abstand, der die reale Detektionsverzögerung widerspiegelt.

Die praktische Konsequenz ist, dass Sie nicht einen einzigen Snapshot des aktuellen Graphen einbetten und gegen die Historie backtesten können. Sie bauen den Graphen zu jedem Auswertungszeitpunkt neu auf, oder Sie akzeptieren, dass Ihr Eval-Set kontaminiert ist. Der Neuaufbau ist teuer, und es ist genau dieser Aufwand, der ein Modell, das in der Produktion standhält, von einem trennt, das im Notebook gut aussah.

Erklärbarkeit erhalten, die ein Prüfer akzeptiert

Ein Vektor ist kein Grund. Unter SR 11-7 unterliegt Ihr Modell der Validierung, und ein Ermittler, der eine SAR einreicht, braucht eine auf Fakten gegründete Falldarstellung. Keines von beidem wird durch eine Embedding-Koordinate erfüllt. Also treibt das Embedding den Score, und eine zweite Schicht erzeugt die Erklärung.

• Mit dem Embedding scoren, mit dem Subgraphen erklären. Wenn ein Konto hoch scort, ziehen Sie die k-Hop-Nachbarschaft heraus, die den Score am stärksten beeinflusst hat, und stellen Sie sie dar: gemeinsame Gegenparteien, das Timing der Flüsse, die Pfade, die es mit früheren bestätigten Fällen verbinden. Der Ermittler argumentiert dann über Kanten, die er durchklicken kann, statt über eine Koordinate.
• Den Score der Struktur zuschreiben, nicht den Koordinaten. GNN-Attributionsmethoden können identifizieren, welche Kanten und Nachbar-Features die Vorhersage bewegt haben. Das liefert Ihnen Sätze wie “erhöht wegen wiederholter taggleicher Überweisungen an drei Gegenparteien, die ihrerseits an ein markiertes Konto weiterleiten”, was auf eine Weise verteidigbar ist, wie es “Distanz im Latent Space” nicht ist.
• Das Embedding als Feature behalten, nicht als Entscheidung. Speisen Sie den Embedding-Score in dasselbe Modell und dieselbe Alerting-Pipeline ein wie Ihre handgebauten Features. Jetzt greifen die üblichen Modelldokumentation, Feature-Importance und Champion/Challenger-Tests. Das Embedding steckt in einem System, das Sie bereits zu validieren wissen, statt eine Blackbox zu sein, die seitlich angeflanscht ist.
• Auf Drift bei den Vektoren selbst achten. Die Verteilung der Embeddings verschiebt sich, während der Graph sich entwickelt und der Betrug sich anpasst. Überwachen Sie sie, denn eine Verschiebung im Embedding-Raum ist oft das früheste Signal, dass sich eine Typologie geändert hat und Ihr False-Positive-Budget gleich zu platzen droht.

Verfolgen Sie das gesamte System gegen ein stabiles Eval-Set mit Point-in-Time-Graphen, und halten Sie den Embedding-Score an dasselbe False-Positive-Budget wie alles andere im Alerting-Stack. So gemacht, erkauft Ihnen Representation Learning die Erkennung von Strukturen, die niemand aufgezählt hat, und der Prüfer bekommt trotzdem einen Alert, der aus Kanten, Zeitstempeln und Gegenparteien gebaut ist, denen er folgen kann.