信贷反欺诈图神经网络实验：团伙关系识别

金融AI实验室近期围绕信贷反欺诈场景开展图神经网络（GNN）实验，将申请数据中的设备指纹、地址、紧急联系人等关联信息构建为关系图谱，尝试识别传统规则引擎难以覆盖的团伙欺诈。实验基于合作机构脱敏后的历史申请样本，对比逻辑回归基线与GraphSAGE、GAT两种图模型的表现。阶段性结果：1）在约30万条脱敏样本上，GNN对团伙欺诈的召回率较现有规则引擎提升约18个百分点，单人欺诈识别能力与基线基本持平；2）特征归因显示，共享设备指纹与紧急联系人重叠两类边的贡献度最高，与一线风控经验一致。下一步计划：一是引入时序边特征，刻画关系网络的动态演化；二是针对欺诈正样本稀缺问题，测试半监督与主动学习结合的标注策略；三是与风控团队联合开展小流量A/B验证，评估误报带来的复核成本。相关数据与结论将以实验周报形式持续同步，暂不对外给出效果承诺。