Redes neurais de grafos explicáveis para deteção fraudes: Integração da XAI em modelos aprendizagem automática baseados segurança financeira

Este livro apresenta um estudo abrangente sobre a integração de Redes Neuronais de Grafos (GNNs) com métodos de Inteligência Artificial Explicável (XAI) para a deteção de fraudes financeiras. Avalia várias arquitecturas GNN, como GCN, GAT, GIN, GraphSAGE, HinSAGE e FraudGNN, juntamente com modelos tradicionais de aprendizagem automática, como Redes Neuronais e Floresta Aleatória. São aplicados métodos de explicação, incluindo GNNExplainer, GraphMask, SHAP e LIME, para proporcionar transparência, interpretabilidade e confiança nas tarefas de deteção de fraudes. O trabalho oferece comparações sistemáticas em termos de desempenho, fidelidade, tempo de execução e interpretabilidade, apoiadas por estudos de casos visuais. Destaca a forma como a combinação do raciocínio baseado em grafos com técnicas de explicabilidade pode melhorar os sistemas de deteção de fraudes e satisfazer os requisitos emergentes de uma IA fiável e responsável.