Approches basées sur les graphes pour systèmes de détection la fraude en temps réel

Cet ouvrage présente des approches basées sur les graphes pour les systèmes de détection de la fraude en temps réel. Il montre comment la représentation des entités (utilisateurs, comptes, appareils) sous forme de n¿uds et des interactions sous forme d'arêtes - grâce aux réseaux neuronaux sur graphes (GNN) et à la modélisation temporelle - permet de détecter efficacement des schémas de fraude sophistiqués et coordonnés que les méthodes traditionnelles ne parviennent pas à repérer.L'ouvrage aborde l'évolution de la détection de la fraude, les limites des systèmes existants, les graphes hétérogènes et temporels, les défis liés au temps réel (évolutivité, faible latence, dérive conceptuelle), l'explicabilité, l'éthique et l'apprentissage continu. Il propose un cadre hybride combinant l'entraînement hors ligne et l'inférence en ligne pour garantir des performances robustes.Rédigé par Sara Kaya (Somayeh Babaeitarkami) et le Dr Ali Kaya, cet ouvrage constitue un guide technique et stratégique précieux pour la mise en place de solutions de détection de la fraude adaptatives et transparentes dans les environnements numériques modernes.