Квантовый помощник находит редкие мошенничества ⚡ экспресс
Кредитный фрод-детекшн страдает от дисбаланса классов, из-за чего модели пропускают мошеннические транзакции. Предложен Q-SYNTH — гибридная GAN с квантовым генератором и классическим дискриминатором. Метод оценивался по статистическому сходству (КС-статистика, расстояние Вассерштейна) и downstream-классификации. По сравнению с классической GAN, Q-SYNTH уменьшает расхождение маргинальных распределений, сохраняя качество детектирования. Хотя SMOTE лучше воспроизводит отдельные признаки, а классическая GAN достигает более высоких метрик в некоторых условиях, квантовый подход даёт оптимальный компромисс между достоверностью и практической пользой. Это подтверждает применимость гибридной квантовой аугментации в задачах обнаружения мошенничества.
В океане банковских транзакций мошенничества встречаются реже, чем нейтронные звёзды в космосе — всего 0,1% от всех операций. Обычный детектор привыкает ко всему чистому потоку и теряет бдительность.
На помощь приходит гибридная система Q-SYNTH с квантовым генератором. Она сама создаёт правдоподобные поддельные транзакции, опираясь на крохи реальных данных. Квантовый механизм, вдохновлённый идеями Алексея Китаева, работает как сверхновая: из малого числа параметров он разворачивает целый спектр новых примеров. Эти синтетические данные настолько качественны, что даже встроенный «проверяющий» иногда не может отличить их от настоящих.
Благодаря этому детектор учится видеть скрытые узоры. Искусственные примеры уменьшают энтропию — меру хаоса в данных, — помогая улавливать сигналы, подобные гравитационным волнам от незримых катаклизмов. В итоге Q-SYNTH находит золотую середину: он реже пропускает реальные аферы, не перегружая банк ложными тревогами.
🎯 Всего 0,1% банковских операций — мошеннические. Детектор без тренировки на подделках почти всегда говорит «чисто» и пропускает редкие, но опустошительные аферы.
🎬 Технология напоминает детектор лжи из будущего, который учится на вымышленных преступлениях, чтобы поймать реальных.