实数下载

实数

近日，IEEE ICDM 2023 圖學習挑戰賽決賽圓滿落幕。本次比賽由螞蟻集團與浙江大學聯合主辦，旨在通過深度圖學習，解決社區發現和團夥挖掘等風險問題。

曆時 4 個多月，經過初賽、複賽、決賽“三級賽製”的角逐和專家評選，網易易盾數據挖掘團隊在該項任務中，以綜合指標第一名的成績擊敗來自海內外的數十支隊伍，在 Adjusted Rand Score (ARI) 評價指標上達到 0.5006, 大幅領先第二 (0.425)/三名 (0.368) 對手，並於技術答辯階段憑借方法創新性、工業應用價值等方麵的優異表現，斬獲大賽唯一一項一等獎。

IEEE ICDM (IEEE International Conference on Data Mining) 是全球領先的數據挖掘研究會議之一，與 ACM SIGKDD 和 SIAM SDM 同列為數據挖掘領域的三大頂級國際會議。ICDM 提供了一個展示原創研究成果的平台，研究範圍橫跨數據挖掘與人工智能領域，包括算法、軟件、係統和應用程序等，吸引了大量來自相關領域的研究人員和應用程序開發人員參會。

“社區發現”與“團夥挖掘”

本次賽題主題“社區發現”是網絡科學領域的一個重要問題，其主要目標是將給定的圖網絡劃分成若幹個互相連接、內部聯係緊密的社區，從而揭示網絡中存在的隱藏結構和模式。圖學習有助於改進社區發現的效果。

社區發現在社交網絡分析、生物信息、風控、推薦等領域有著廣泛的應用，例如在風控場景中，將相似用戶劃分為社區有利於黑產追蹤。但是在實際業務中，黑產追蹤和團夥挖掘任務經常麵臨缺乏大量的標記數據的困難，因此社區發現方法變得尤為重要。

當今社交網絡和互聯網的快速發展，使得網絡中的節點數量和連接關係快速增長，這也導致了社區發現和團夥挖掘問題變得更加複雜和具有挑戰性。在這種背景下，深度圖學習開始被應用於社區發現和團夥挖掘，它能夠自動學習網絡中的高級表征，從而提高社區發現和團夥挖掘的效果。

將預訓練模型應用於社區發現和團夥挖掘是一個相對較新穎且具有挑戰性的問題。該任務的難度較大，需要更多的深入探索和研究。為了激勵研究者在這個領域使用預訓練模型相關技術，本次比賽提供了一個平台，旨在鼓勵參賽者探索預訓練模型在社區發現和團夥挖掘中的應用潛力。

“團夥挖掘”與“數字內容風控”

在本屆競賽中，網易易盾深入研究了關係圖譜中的社區向量化技術，並首創一種頗具實用價值的欺詐團夥檢測算法 ——Risk-DCRN, 通過社區預劃分和社區向量化兩階段管道方法，實現了大規模圖網絡上稀疏標簽數據條件下欺詐用戶群體的高效精準識別。

區別於業界對於該問題場景的常規解決方式，該方法的 contribution 主要體現在針對真人作弊場景的絕佳適配，當“人機識別”被“真人”挑戰時，因欺詐者與正常用戶的行為邊界模糊，業界所使用的圖深度學習向量化算法普遍存在表征塌陷問題，導致樣本 Embedding 傾向於映射至同一特征子空間內，限製了節點表征向量的區分能力，從而影響了最終的網絡聚類性能。

為此，易盾數據挖掘團隊針對該垂類場景，精心設計了一種基於對偶相關性衰減網絡 (Dual Correlation Reduction Netework,DCRN) 的稠密子圖自監督深度圖聚類框架 (如下圖所示), 應用於從社區預劃分結果中進一步通過稠密風險子圖向量的相似性聚類，最終準確挖掘出潛藏於龐大關係網中的 346 個欺詐團夥。

該框架包含 2 大模塊:

一、Graph-Distortion: 類似於在 NLP 領域研究者通過會隨機 mask 掉一定比例字符，網易易盾根據相似性矩陣值小於 0.1 將其置 0 來構造掩碼矩陣，使得模型從節點的不同上下文鄰居中學習到更豐富的特征表達。

二、DICR (Dual Information Correlation Reduction): 從樣本及特征視角都考慮了相關性的降低，這樣可以過濾冗餘信息，在潛在空間中保留更明顯的特征，從而學習到高區分度的表征，避免崩潰，提高聚類性能。

本屆大賽重點聚焦於業務安全領域中最經典的團夥檢測問題，恰好與網易易盾當前深耕的業務方向緊密契合。目前，大規模圖深度學習及社區發現等前沿創新技術正在助力網易易盾智能風控開辟新的商業化增值空間，並於遊戲、社交娛樂等行業均實現了技術成果業務轉化，屢破遊戲外掛工作室、社交引流詐騙團夥等群體作案風險，在客戶服務層麵取得了眾多成功實踐。網易易盾以體係化的數字內容風控技術為客戶提供實現長效運營的基礎安全保障。

這也是近半年來，網易易盾數據挖掘團隊繼 AIWIN、數博會等權威賽事獲獎後，再次摘得國際研究頂級會議主辦的大數據與 AI 結合的競賽冠軍。

未來的浪潮是 AI,AI 的底層是大數據。網易易盾正在用一項又一項紮實的研究成果夯實 AI 技術在數字內容風控行業的創新應用，以為客戶創造更高價值。

廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。