图神经网络金融反欺诈实验：团伙识别阶段性进展

金融欺诈日益呈现团伙化、隐蔽化特征，传统基于规则与单一评分卡的风控手段难以捕捉申请主体之间的关联风险。金融AI实验室近期围绕图神经网络（GNN）在反欺诈场景中的应用开展实验性探索：将借贷申请、设备指纹、联系人关联与交易流水构建为异构图，通过图卷积与关系推理学习节点表示，识别潜在欺诈团伙。阶段性进展：1、在脱敏的合作机构样本上，图模型对团伙欺诈的召回率较基线XGBoost评分模型提升约18个百分点，整体误报率保持在业务可接受区间；2、引入动态时序图后，模型对「养号—团伙聚集—集中套现」链条的提前识别窗口由3天延长至7天。下一步，实验室将研究跨机构联邦图学习，在数据不出域的前提下提升稀疏标签场景的泛化能力，同时完善决策可解释性输出，为风控人员提供团伙关系链路证据，推动成果向风控辅助决策场景稳步落地。