金融AI实验室：信贷反欺诈图模型的特征漂移监测

在信贷反欺诈场景里，图神经网络通过资金往来与设备指纹关系识别团伙作案，但作案手法迭代快，模型上线后常出现指标回落。金融AI实验室本期完成了一组特征漂移监测实验：把交易图的边特征（转账频次、金额分位、时间间隔）与节点特征（设备共用度、注册时长）分开做分布对比，用PSI与KS分箱跟踪，并按周设定告警阈值。
· 阶段进展：在3个月回溯数据上，节点类特征的漂移先于边特征约2~3周出现，可作为团伙切换设备的早期信号；引入漂移告警后，模型AUC的月度回落幅度由0.041收窄至0.013。
· 下一步：将漂移信号接入再训练触发策略，验证按漂移触发相比按月固定重训能否降低标注成本，并评估其在贷后监控场景的迁移效果。