同一笔交易没变，欺诈分数为什么从 0.04 跳到 0.91？

导读

当单笔交易的特征已经很丰富，欺诈模型还能从哪里找到新信号？EXL 团队发现，交易与用户、商户及其他交易之间的关系，可以补上单行数据看不到的信息。他们让图神经网络读取交易邻域，再将生成的表示交给原有模型评分；训练采样时保留入选用户的完整交易历史，防止删掉正常样本的同时破坏关系，并按时间建图，避免把未来信息带入预测。聚合邻居时同时保留均值、最大值和标准差，减少少数高风险连接被平均掉的可能。按团队报告，固定 0.5% 告警率时，线下交易真阳性率从 36% 升至 48%，线上从 48% 升至 61%。分析师收到分数时还能看到导致判断的关联交易，便于核查；团队也调整缓存，只预计算用户和商户表示，让线上请求能够在毫秒级完成。