基于 RBIH NFPC 数据集将资金骡子检测视为关系学习问题的研究

研究人员提出一种将银行关系模式直接视作异构图的资金骡子检测方法，结合 HeteroGraphSAGE 消息传递和相对时间编码直接评估账户风险。在包含 4 亿笔交易和 94,063 个标注账户的 RBIH 数据集测试中，该模型在 83% 准确率和 0.5% 误报率下召回了 90% 的保留骡子账户，比最强树集成模型多检出 115 个。该方案可直接部署在银行现有数据库上，无需单独构建特征图。