银行团伙欺诈AI识别实验：图神经网络初步进展

金融AI实验室近期围绕银行反洗钱与信贷反欺诈场景，开展了基于图神经网络的团伙欺诈识别实验。传统规则引擎对分散式、多账户协同的欺诈模式召回有限，我们尝试将账户、设备、IP与交易流水构建为异构图，让模型学习账户间的关联结构特征，而非仅依赖单账户行为统计。阶段进展：一是在某合作机构脱敏数据集（约120万账户、900万条交易边）上，图模型对团伙欺诈账户的召回率较规则基线提升约18个百分点，误报率下降约三成；二是引入子图采样与增量更新策略后，单日全量推理耗时控制在可接受范围，具备向准实时场景演化的基础。下一步计划：一是补充跨机构标签对齐实验，缓解标签稀疏与标注口径不一的问题；二是探索图模型输出与现有规则引擎的融合决策机制，使结论可解释、可追溯，便于满足合规审计要求。实验室将持续在小样本、强监管约束下验证该方法的稳健性与可迁移性，后续进展将适时同步。