Un 1D-CNN residual profundo con auto-atención para la detección de transacciones de fraude en economías virtuales

Área de la Ciencia:

• Ciencias de la computación Ciencias de la computación
• Ciberseguridad Ciberseguridad.
• Tecnología financiera Tecnología financiera.

Sus antecedentes:

• Las economías virtuales en el metaverso se están expandiendo rápidamente, lo que requiere una seguridad avanzada de las transacciones financieras.
• Los métodos tradicionales de detección de fraude luchan con la velocidad y la complejidad de los datos del metaverso.

Objetivo del estudio:

• Introducir un modelo de detección de anomalías y clasificación de riesgos en tiempo real adaptado a las transacciones financieras metaversas.
• Mejorar la precisión y eficiencia de la detección de fraudes en entornos virtuales.

Principales métodos:

• Una arquitectura de red neuronal convolucional unidimensional (1D-CNN) mejorada con conexiones residuales y un mecanismo de autoatención.
• Capacitación y validación en conjuntos de datos financieros metaversos y el conjunto de datos de detección de fraude con tarjetas de crédito.
• Estudios de ablación para evaluar la robustez contra el ruido y las imperfecciones de los datos.

Principales resultados:

• El modelo 1D-CNN logró una excelente precisión, sensibilidad y especificidad al clasificar las transacciones metaversas en niveles de riesgo bajo, moderado y alto.
• El modelo demostró un fuerte rendimiento tanto en los conjuntos de datos metaversos dedicados como en el conjunto de datos de detección de fraude con tarjetas de crédito.
• Los análisis de interpretabilidad confirmaron una clara separación de los niveles de riesgo en el espacio de alta dimensión.

Conclusiones:

• La arquitectura 1D-CNN propuesta es efectiva y confiable para la detección de fraudes financieros en el metaverso.
• La capacidad del modelo para manejar la incertidumbre de los datos mejora su aplicabilidad en el mundo real.
• Este enfoque ofrece un avance significativo en la seguridad de las transacciones de la economía virtual.