Los investigadores han presentado TSAI-MetaFraud, un nuevo conjunto de datos benchmark multimodal diseñado para abordar la falta de recursos integrales para detectar fraude y comportamiento ilícito en economías virtuales. A diferencia de los conjuntos de datos existentes que analizan el comportamiento del usuario, la autenticación o las transacciones financieras de forma aislada, este recurso integra información conductual, transaccional y estructurada en grafos.
- El conjunto de datos incorpora escenarios realistas que involucran tanto a estafadores humanos como a bots automatizados.
- Define cuatro tareas específicas del benchmark: detección de fraude en transacciones, clasificación de nodos multimodal, predicción de enlaces temporales y detección de fraude con supervisión débil.
- Se proporcionan evaluaciones base utilizando modelos estándar de aprendizaje automático y redes neuronales gráficas para facilitar la investigación reproducible.
TSAI-MetaFraud tiene como objetivo avanzar en el desarrollo de IA confiable y técnicas de aprendizaje multimodal al proporcionar un marco unificado para analizar estructuras relacionales dentro de las emergentes ecosistemas del metaverso.