概要 - FD4QC：金融詐欺検出のための古典的および量子ハイブリッド機械学習の適用 技術報告
タイトル
FD4QC：金融詐欺検出のための古典的および量子ハイブリッド機械学習の適用 技術報告
時間
2025-07-25 16:08:22
著者
{"Matteo Cardaioli","Luca Marangoni","Giada Martini","Francesco Mazzolin","Luca Pajola","Andrea Ferretto Parodi","Alessandra Saitta","Maria Chiara Vernillo"}
カテゴリ
{cs.LG,cs.CE}
リンク
http://arxiv.org/abs/2507.19402v1
PDF リンク
http://arxiv.org/pdf/2507.19402v1
概要
この技術報告は、金融詐欺検出のための古典的、量子、そして量子ハイブリッドの機械学習モデルの有効性を調査しています。著者たちは、生の取引データを豊富で描写的な特徴セットに変換するための包括的な行動的特徴エンジニアリングフレームワークを開発しました。その後、ロジスティック回帰、決定木、ランダムフォレスト、XGBoost、量子サポートベクトルマシン（QSVM）、バリアント量子分類器（VQC）、ハイブリッド量子神経ネットワーク（HQNN）を含む様々なモデルをIBMの反資金洗浄（AML）データセット上で実装し、評価しました。 結果は、古典的木ベースのモデル、特にランダムフォレストが、現在の設定では量子モデルを大幅に上回り、高精度（97.34%）とFマージャー（86.95%）を達成していることを示しています。量子モデルの中でQSVMが最も有望で、高精度（77.15%）と低い偽陽性率（1.36%）を提供していますが、低い再呼び出し率と計算コストが高いという欠点があります。 著者たちは、量子計算のための詐欺検出（FD4QC）を提案しました。FD4QCは、実世界の展開向けのAPI駆動型システムアーキテクチャであり、「古典的を第一に、量子強化」という堅牢なフォールバックメカニズムを持っています。 この報告は、実世界の金融アプリケーションのためのベンチマークを提供し、この分野における量子機械学習の現在の限界を強調し、将来の研究のための有望な方向を示しています。 主要ポイント： - この研究は、金融詐欺検出のための古典的、量子、量子ハイブリッドの機械学習モデルを比較しています。 - 古典的木ベースのモデルが、現在の設定では量子モデルを上回っています。 - QSVMが詐欺検出のための量子モデルとして有望です。 - 著者たちは、実世界の展開向けの実践的なシステムアーキテクチャであるFD4QCを提案しています。 - この報告は、この分野における量子機械学習の現在の限界を強調し、将来の研究のための有望な方向を示しています。
推奨論文
会話が歪んだ後でもどうなるか？対話予測モデルの評価
ApproxGNN：近似計算のためのデザイン空間探索におけるパラメータ予測のための事前トレーニングGNN
HairCUP: 3D高斯アバターの髪の構成ユニバーサル事前情報
三次元無慣性電子磁気流体力学におけるユニバーサルエネルギーカスケードとリラクゼーション
脊椎側弯診断のための深層学習モデルの多施設認証
他者の心：言語モデルが人間の時的認知を示す方法
セキュリティテンソルとしてのクロスモーダルブリッジ：LVLMにおけるテキストアライドセキュリティを視覚に拡張
紫外線プラズモニック技術で構成された自動蛍光減衰シリーズ（AFTDS）に機械学習を適用することでモノアミン神経伝達物質を分類する新しいアプローチ
チップレットパート：2.5Dシステムのためのスケーラブルなコスト意識型パーティショニング
自回归時間序列のための効率的な因果発見