欺诈检测相关 AI 资讯 · AI 热点

8月18日

10:09

10:09

官方账号arXiv cs.AI@Xudong Chen, Shengbo Gong, Lu Cheng, Wei Jin

ProtoCP是一种用于时序交互图边级欺诈检测的共形预测框架，针对欺诈数据中良性邻居主导和类别极度不平衡的问题，通过聚焦欺诈相关子图上下文提升校准效率。该方法利用学习到的原型抑制良性噪声，并引入邻域相对评分与时间分数扩散机制，实现稳定的类别条件校准。在YelpChi、S-FFSD、FTFD和BankSim四个欺诈基准上，ProtoCP以更小的预测集达到目标覆盖率，优于现有最先进基线。代码已开源。

论文 ProtoCP 共形预测欺诈检测

推荐理由：欺诈检测要控制误报和漏报，这篇论文的ProtoCP把共形预测用在了时序图上，四个基准上都比现有方法预测集更小，做风控的可以看看。

7月22日

11:39

11:39

官方账号arXiv cs.LG@Rahil Sharma

该论文在PaySim数据集上测试了分层欺诈检测流程，结合梯度提升分类器、图结构特征、自编码器异常信号、TreeSHAP解释以及LLM调查智能体。研究发现，在修正数据集平衡性捷径后，图特征和异常信号仅在中间分数子集上提升欺诈排序能力。注入多账户欺诈团伙的实验中，图特征恢复了所有测试交易，而基线遗漏约四分之一。LLM调查智能体在60例平衡样本上准确率65.0%，低于阈值化基线71.7%，且其8次改判中有6次引入错误。基于分歧的升级规则正确标记了两次智能体错误。

论文欺诈检测 PaySim TreeSHAP

推荐理由：这篇论文用PaySim数据集测了套欺诈检测流程，发现图特征和AI调查智能体效果有限，智能体解释好看但决策反而更差，值得做风控的人看看。

7月13日

09:27

09:27

官方账号arXiv cs.LG@Refat Ishrak Hemel, Ehsan Hallaji, Roozbeh Razavi-Far

TSAI-MetaFraud是一个整合行为、交易和图结构信息的多模态基准数据集，专为元界虚拟经济中的欺诈分析而设计。该数据集包含基于交易的欺诈检测、跨模态节点分类、时间链接预测和弱监督欺诈检测四个任务。研究人员使用机器学习模型和图神经网络提供了基线评估结果。它旨在推动多模态学习、图挖掘和可信AI在元界生态系统中的发展。

论文 TSAI-MetaFraud 元界欺诈检测

推荐理由：这篇论文发了TSAI-MetaFraud数据集，把行为、交易和图数据合在一起，专门做元界欺诈检测，搞多模态研究的可以看看。

7月3日

01:48

01:48

Weaviate@weaviate_io

Weaviate发布了Query Agent，支持在Playground中用自然语言进行欺诈检测数据探索。用户可提问如“哪些客户的交易有地址不匹配”，Agent自动生成跨Transactions、Customers、PhoneProducts三个集合的查询。它同时应用过滤、聚合和跨集合查找，实时返回结果并可查看底层查询。该工具能识别如可疑支付方式、地址不匹配等欺诈模式。

AI产品 Weaviate Query Agent 欺诈检测

推荐理由：Weaviate出了个Query Agent，你直接问问题就能查数据库，不用写SQL，感觉比传统规则系统灵活多了。

6月29日

10:08

10:08

官方账号arXiv cs.AI@Liming Liu, Chao Hu, Mingfei Lu, Yiwei Ge, Xingle Li, Heyuan Shi

ADC-GNN是一个统一框架，结合扩散引导特征增强、对比表示学习和多跳谱注意力，用于少样本图欺诈检测。论文指出真实欺诈图存在稀疏不平衡监督和表示稀释问题。在三个公共基准和约6万条记录的私有电信数据集上，以1%训练设置评估，ADC-GNN持续优于原始欺诈基线及四种近期基线。额外分析验证了其稳定性、训练比例影响和模块效果。

论文 ADC-GNN Graph Fraud Detection 图神经网络

推荐理由：这篇论文提出了ADC-GNN，在少样本场景下用扩散对比学习搞定图欺诈检测，三个公开基准上比现有方法都好，做风控的朋友可以看看

6月28日

21:45

21:45

shao__meng@shao__meng

精选

LoanLens基于LandingAI构建，从6类借款人文档中结构化抽取字段，进行姓名一致性TF-IDF比对（相似度低于0.95告警）和护照篡改检测（比对核心组件位置与参考几何）。评分模型透明可解释：信用权重23%、DTI 23%、收入时效20%等，总分≥60批准，40-59复核，<40拒绝。系统附带仅限当前案件的RAG问答，支持字段溯源与人工检查。

AI产品 LandingAI LoanLens 欺诈检测

推荐理由：这套LoanLens系统把审贷初筛自动化，用结构化字段和可解释评分替代黑盒OCR，欺诈检测能抓文档篡改，审核员能直接查每个字段的证据。

5月26日

11:48

11:48

官方账号arXiv cs.AI@Jinsheng Guo, Zhenhao Weng, Yibo Liu, Yan Qiao, Meng Li

精选

图欺诈检测中，欺诈者常通过与正常用户伪造大量连接来稀释欺诈信号，导致GNN检测失效。现有方法虽引入LLM提供语义线索，但未深入挖掘可疑连接背后的真实意图。L2IR框架通过LLM从用户行为和可疑连接中提取意图感知表示，区分支持性连接与误导性连接，并采用自适应自训练增强鲁棒性。在两个真实数据集上，L2IR将AUPRC提升高达8.27%，可作为GNN检测器的即插即用增强模块。

论文图神经网络欺诈检测大语言模型

推荐理由：图欺诈检测从业者终于有了对抗伪装连接的新武器——L2IR用LLM拆穿欺诈意图，直接提升检测精度，做反欺诈系统的团队值得一试。

5月20日

11:11

11:11

官方账号arXiv cs.LG@Sudheer Tubati, Amit Goyal

精选

音乐流媒体欺诈（如人为刷播放量）对平台和创作者构成威胁，但传统检测方法难以区分合法边缘案例（如超级粉丝、睡眠音乐会话）与欺诈行为。研究者提出SAGE方法，结合SimHash分层采样与模块化门控集成，从无标签数据中可靠识别负样本。该方法通过可配置统计门（马氏距离和k-NN密度）实现精度-召回率自适应权衡，并解决正-无标签学习中的表示偏差问题。在客户级和艺术家级欺诈检测任务上均表现优异，无需修改核心方法即可跨领域泛化。

论文欺诈检测负样本挖掘门控集成

推荐理由：SAGE解决了欺诈检测中难以区分合法异常与真实欺诈的痛点，做风控或流媒体反作弊的团队可以直接参考其门控集成思路，值得一试。