본 논문은 금융 사기 탐지를 위해 동적 그래프 구조와 방향성을 갖는 금융 거래 네트워크에 특화된 새로운 아키텍처 DynBERG를 제안한다. DynBERG는 Graph-BERT와 GRU(Gated Recurrent Unit)를 통합하여 시간적 변화를 포착하고, 방향성 있는 엣지를 지원하도록 설계되었다. 비트코인 거래 데이터를 포함하는 Elliptic 데이터셋을 사용하여, 주요 암호화폐 시장 이벤트인 Dark Market Shutdown 전후의 DynBERG의 성능을 평가했다. EvolveGCN 및 GCN과 같은 기존 동적 그래프 분류 모델과의 비교를 통해 DynBERG의 우수성을 입증하고, GRU의 시간적 동역학 모델링 역할을 강조하는 분석 연구를 수행했다.
