開發者發布 SynthFin-AML v10.0 資料集解決 GNN 時間洩漏，實測 GraphSAGE 僅微幅領先 LightGBM

據 Reddit 社群報導，開發者發布 SynthFin-AML v10.0 資料集（包含 10 萬節點、120 萬邊），旨在解決圖神經網路（GNN）在動態圖訓練中常見的時間洩漏問題。開發團隊指出，若在 Elliptic 或 IBM 等現有反洗錢（AML）資料集上訓練標準梯度提升模型，常因資料外洩得到高達 0.99 以上的 PR-AUC 虛高分數。 在標準的隨機資料劃分下，GNN 的訊息傳遞機制會將未來的邊（如第 10 天的交易）納入過去（如第 2 天）的損失計算，破壞因果邊界。為此，SynthFin-AML 強制採用三階段時間快照劃分：訓練集（≤ 第 7 天）、驗證集（≤ 第 8 天）與測試集（≤ 第 10 天）。此外，為解決表格特徵外洩，資料集強制詐欺與一般零售交易金額共用完全相同的對數常態分布（μ=8.517, σ=0.8）。 在修復外洩問題後的嚴格時間劃分評測中，加入 11 項圖特徵（如加權 PageRank）的 LightGBM 獲得 0.848 的 PR-AUC，而 Inductive GraphSAGE 為 0.881。結果顯示 GNN 雖具數學上的合理優勢，但除非邊緣特徵極度密集，否則領先樹狀模型的幅度有限。該基準測試目前已提交至 PyTorch Geometric（PR #10774）。