Reti neurali a grafo spiegabile per il rilevamento delle frodi: Integrazione di XAI in modelli apprendimento automatico basati su grafi la sicurezza finanziaria

Questo libro presenta uno studio completo sull'integrazione delle Reti Neurali Grafiche (GNN) con i metodi di Intelligenza Artificiale Spiegabile (XAI) per il rilevamento delle frodi finanziarie. Vengono valutate diverse architetture GNN come GCN, GAT, GIN, GraphSAGE, HinSAGE e FraudGNN, insieme a modelli tradizionali di apprendimento automatico come le reti neurali e la foresta casuale. I metodi di spiegazione, tra cui GNNExplainer, GraphMask, SHAP e LIME, vengono applicati per fornire trasparenza, interpretabilità e fiducia nelle attività di rilevamento delle frodi. Il lavoro offre confronti sistematici in termini di prestazioni, fedeltà, tempi di esecuzione e interpretabilità, supportati da casi di studio visivi. Evidenzia come la combinazione di ragionamenti basati su grafi e tecniche di spiegabilità possa migliorare i sistemi di rilevamento delle frodi e soddisfare i requisiti emergenti di un'IA affidabile e responsabile.