Краткое содержание

arXiv:2511.12122v1 Тип: новый Аннотация: Данное исследование посвящено проблеме динамического обнаружения аномалий в бухгалтерских операциях и предлагает метод обнаружения в реальном времени на основе архитектуры Transformer для решения проблем скрытых аномальных действий и высоких требований к оперативности в сложных торговых средах. Данный подход сначала моделирует данные бухгалтерских операций, представляя многомерные записи в виде временных матриц, и использует embedding-слои и позиционное кодирование для достижения низкоразмерного отображения входных данных. Затем строится структура моделирования последовательностей с многоголовой само-внимательностью для захвата глобальных зависимостей и агрегирования признаков с нескольких точек зрения, тем самым повышая способность к обнаружению аномальных паттернов. Сеть дополнительно интегрирует полносвязные слои и стратегии регуляризации для достижения глубокого представления признаков и точной оценки вероятности аномалий. Для проверки эффективности метода были проведены расширенные эксперименты