信用卡交易反欺诈AI实验：图神经网络与实时特征探索

金融AI实验室近期围绕信用卡交易反欺诈场景，开展图神经网络（GNN）方法的实验性验证。传统规则引擎与树模型对独立交易样本判别能力较好，但难以刻画团伙欺诈中账户、商户与设备之间的关联结构。实验将上述实体构建为交易图，在脱敏模拟数据集上与梯度提升树基线进行对比。

• 进展：图模型对团伙型欺诈的召回率较XGBoost基线提升约6个百分点，但对低频正常商户存在一定误报，需引入商户历史行为特征加以抑制；
• 下一步：搭建低延迟特征管道，目标将单笔推理耗时控制在50毫秒以内，并推进脱敏真实数据的合规接入评估。

实验室提示，当前结果基于模拟环境，尚未进入生产验证；后续将重点关注误报率与模型可解释性，确保方案在合规前提下稳步落地。