Les chercheurs ont présenté TSAI-MetaFraud, un nouveau jeu de données de benchmark multimodal conçu pour combler le manque de ressources complètes pour détecter la fraude et les comportements illicites dans les économies virtuelles. Contrairement aux jeux de données existants qui analysent isolément le comportement des utilisateurs, l'authentification ou les transactions financières, cette ressource intègre des informations comportementales, transactionnelles et structurées en graphe.
- Le jeu de données intègre des scénarios réalistes impliquant à la fois des fraudeurs humains et des bots automatisés.
- Il définit quatre tâches de benchmark spécifiques : détection de fraude aux transactions, classification de nœuds inter-modales, prédiction de liens temporels et détection de fraude faiblement supervisée.
- Des évaluations de référence sont fournies à l'aide de modèles d'apprentissage automatique standard et de réseaux neuronaux sur graphes pour faciliter la recherche reproductible.
TSAI-MetaFraud vise à faire avancer le développement de l'IA fiable et des techniques d'apprentissage multimodal en fournissant un cadre unifié pour analyser les structures relationnelles au sein des écosystèmes émergents du métavers.