CEGNN-Fraud: A Scalable Heterogeneous Temporal Graph Neural Network with Evidence-Constrained LLM Risk Reasoning
CEGNN-Fraud 是一种可扩展的异质时序图神经网络，它通过一个事件条件可靠性门控和一个用于基于证据的风险报告的受限大语言模型来增强金融欺诈检测，证明了其在准确性、鲁棒性和泛化能力方面优于现有基准模型的性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代金融世界中，资金很少孤立移动。单笔支付往往是连接银行账户、数字设备、互联网地址和商户的庞大且无形的网络中的一部分。当欺诈发生时，它很少是某个人在暗处进行的独狼行动；相反，它通常是一种协同努力，坏人隐藏在合法用户之中，通过共享设备或通过复杂的链条转移资金来掩盖踪迹。检测这些方案已成为一场与时间及复杂性的竞赛。传统方法像检查单张收据一样逐一查看交易，往往会忽略大局。它们难以察觉今天看似无害的支付，可能是始于数周前的一条危险链条中的最后一个环节。为了解决这个问题，研究人员转向了基于图的学习（graph-based learning），这是一种绘制这些连接关系的方法，以便计算机能够看到网络的形态。然而，即使是这些先进的系统也面临着一个关键问题：它们通常将每条连接都视为同等重要，即便某些连接者是故意连接到可信的人以降低怀疑，或者某些连接由于年代久远而不再具有意义。
一项新研究介绍了一个名为 CEGNN-Fraud 的系统，旨在通过将每一笔交易视为不断变化的叙事中一个独特的时刻，来应对这些棘手的局面。研究人员构建了一个复杂的数字模型，它不仅观察谁与谁相连，还提出了一个更深层的问题：对于这一特定时刻而言，这一特定连接的可靠性如何？想象一名保安，他不仅检查已知联系人的名单，还会根据每个人的当前行为、距离上次互动的时间长短，以及他们的关系在当前语境下是否合理，来评估每一个靠近门口的人。该系统使用一种特殊的机制来权衡每一条历史链接的可信度，过滤掉噪音，并只专注于当下真正重要的证据。它还将预测行为与解释行为分离，确保决策能够即时做出，同时随后生成一份详细报告，以帮助人类调查员理解为何触发警报。
为了测试这个想法，研究人员没有使用真实的客户数据（因为这会引发隐私担忧，且难以确定真实答案），而是创建了一个大规模、受控的金融网络模拟环境。这个合成世界包含了一年内近四百万笔交易，涉及两百万个不同的实体（如账户和设备），并包含了精心设计的、模仿现实世界手段的欺诈模式。在这个环境中，新系统比现有方法表现得更为出色。它识别出了更高比例的欺诈事件，同时在合法交易上的误判更少。至关重要的是，它能够在第一笔赃款转移前的数小时就发现欺诈攻击的早期迹象，从而为机构提供了在损失发生前进行干预的机会。当欺诈者试图通过连接到无辜账户来隐藏身份时，该系统依然展现出了卓越的韧性，在其他模型失效的地方保持了准确性。
除了捕捉欺诈，该研究还高度关注系统如何解释其决策。在金融等高风险领域，仅仅知道某笔交易存在风险是不够的；调查人员需要知道“为什么”。研究人员发现，通过仅将经过图系统严格验证的事实输入给大语言模型，可以生成清晰、结构化的报告，而不会让 AI 捏造细节或提出未经支持的主张。该系统成功生成的报告强调了导致警报的具体网络模式，例如将新账户与已知坏人联系起来的共享设备，同时避免了 AI 产生幻觉的常见陷阱。这种方法确保了用于描述风险的语言是基于实际数据的，使其输出对于人工审核而言是可靠的。
这些模拟结果表明，欺诈检测的未来在于将深度网络分析与关于哪些证据允许影响决策的严格规则相结合。新系统证明了它能够处理大型金融网络的规模，每秒处理数千笔交易，延迟低于二十毫秒，足以满足实时使用的需求。它还展示了良好的泛化能力，这意味着它能够识别涉及从未见过的账户和设备的欺诈模式，这是现实场景中的常见挑战。通过将风险的瞬时计算与较慢的人类可读解释过程分离，该框架为金融机构如何在不减缓合法业务速度的情况下走在不断演变的威胁前端提供了一个实用的蓝图。
最终，这项研究强调了我们处理金融安全方式的转变。它正从静态规则和简单的可疑活动列表，转向一种动态的、基于证据的方法，这种方法理解每一次交互的语境。研究结果表明，通过实时权衡连接的可靠性，并确保解释严格绑定于经过验证的证据，我们可以构建出不仅在捕捉欺诈方面更聪明，而且在沟通其发现方面更值得信赖的系统。尽管这些结果来自模拟环境，但它们提供了一个强有力的概念验证，证明这种平衡且严谨的方法在技术上是可行的，在计算上也是高效的，为保护全球金融系统提供了一条充满前景的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。