金融交易反欺诈实验：无监督异常检测阶段性进展

针对金融交易场景中标签稀缺、欺诈模式持续演化的问题，金融AI实验室近期开展了基于无监督学习的交易异常检测实验。实验采用隔离森林与自编码器融合的架构，对脱敏后的交易流水进行特征建模，覆盖时间间隔、金额偏离、设备与地理位置变化等四十余维特征。
阶段性进展：

• 在约两百万条脱敏交易记录上，融合模型对已知欺诈样本的召回率达到82%，较单一自编码器基线提升9个百分点，误报率控制在0.8%以内；
• 引入滑动窗口在线更新机制后，模型对新出现欺诈模式的适应时间从两周缩短至三天。

下一步，团队将联合合作机构开展小流量灰度验证，重点评估模型在不同业务线间的迁移能力，并补充可解释性模块，输出异常交易归因报告，辅助人工复核决策。目前所有实验均在脱敏数据与封闭环境下进行，不涉及真实资金操作。