Rețele neuronale și deep learning

Cursul 9 · Joc: Judecați tranzacția după vecinii ei

Judecați tranzacția după vecinii ei

Lucrați în echipa de combatere a spălării banilor a unei platforme de schimb cripto. Fiecare carte arată o tranzacție Bitcoin reală din graful Elliptic (perioada de test din cursul 9, pașii de timp 35–49) și tranzacțiile legate de ea prin fluxuri de plăți, pînă la doi pași distanță. Vecinii despre care se știe că sînt ilicite sînt roșii, cei liciți verzi, cei necunoscuți gri. Decideți: ilicită sau licită? Dintre toate tranzacțiile de test, 6,5 % sînt ilicite; în joc, 40 %, ca să întîlniți destule.

Jucați împotriva rețelei de eșantionare și agregare pe graf (GraphSAGE) din curs, o rețea neuronală pe grafuri (GNN) antrenată pe pașii de timp 1–34. Rețeaua nu vede niciodată etichetele vecinilor, ci doar cele 165 de variabile ale lor, pe care le mediază pe doi pași ai grafului. Marchează o tranzacție ca ilicită cînd probabilitatea este de cel puțin 50 %.

Clasamentul sălii, pentru proiector

Date: graful tranzacțiilor Bitcoin Elliptic (Weber et al., 2019; 203.769 de tranzacții). Cele 30 de tranzacții din joc sînt extrase aleator dintre tranzacțiile de test etichetate cu 1–12 vecini direcți, dintre care cel puțin unul etichetat (12 ilicite, 18 licite; sămînța 20261108); fiecare joc arată 4 ilicite și 6 licite. Pentru fiecare vecin se desenează cel mult 6 vecini de ordinul doi, întîi cei etichetați; ceilalți sînt doar numărați. Predicții: probabilitatea medie a celor trei rețele GraphSAGE și MLP din curs (lectures/L9/cache/models.npz). Cod: lectures/L9/make_game_L9.py.