信贷反欺诈图神经网络实验：关系风险传导建模

信贷审批中的团伙欺诈识别，难点在于单笔申请特征难以捕捉隐性关联。本实验室近期开展基于图神经网络的信贷反欺诈实验，将申请人、设备、手机号、地址等实体构建为关系图谱，建模风险在关联网络中的传导路径。实验基于脱敏模拟数据与公开金融图谱数据展开，初步进展如下：一是团伙欺诈场景下，图模型对风险团伙的召回率较传统规则引擎提升约18个百分点，误报率保持在可接受区间；二是引入异构图结构，区分设备共享、通讯录重叠等不同边类型后，模型对“中介包装”类欺诈的识别能力明显增强。下一步计划：引入时序边权衰减机制，刻画关联关系随时间的弱化规律；同时完善可解释性输出，为风控人员提供“为何命中”的关系路径证据，降低上线后的审核沟通成本。当前实验处于离线验证阶段，暂未接入真实生产流量。