支付反欺诈AI实验：图神经网络团伙识别

金融AI实验室近期围绕支付反欺诈场景开展图神经网络（GNN）实验性探索。传统规则引擎与孤立交易点模型难以捕捉资金流转的网络结构特征，实验将账户、设备、IP与交易流水构建为动态异构图，并通过时序图采样与边权重衰减机制刻画资金链路随时间的演化。

阶段性进展：

• 在脱敏模拟数据集上，图模型对团伙欺诈账户的召回率较XGBoost基线提升约12个百分点，误报率保持在可比水平；
• 引入一阶邻居风险传播机制后，对新开户欺诈账户的早期识别窗口平均提前约36小时。

下一步计划与合作机构推进脱敏真实数据验证，重点解决欺诈样本极度不均衡下的采样策略问题，同时输出可追溯的关联路径解释，辅助风控人员复核决策依据，避免纯黑箱上线。