标签
一篇 arXiv 论文将薪资欺诈检测建模为合成人力资源（HR）/企业资源规划（ERP）图上的归纳式链接预测任务，对比了分析师规则、路径特征和图神经网络（GNN）。基于链式连接特征的梯度提升模型在链接预测平均精确率（AP）上优于 GraIL 风格的 GNN，而在标识符连接失效时，关系实体 GNN 表现最佳，这表明多跳带来的性能提升并非 GNN 所独有。
本文介绍了SITO，一个包含2,332个对比案例的合成独立基准数据集，涵盖英语、乌克兰语和Surzhyk语，用于审计Tuteliq Detect商业文本安全API在六大伤害类别中的漏检与误报情况。研究发现，该API在对第三方旁观者报告的持续性伤害的召回率方面表现明显较弱。
该arXiv论文提出面向代理式商务（Agentic Commerce）的行为感知欺诈检测与网络安全框架，用于实现可信的AI代理支付授权，并评估了其攻击检测率与分类性能指标。
PayPal AI 推出 TxnQA，这是一个针对商户交易事件序列进行分析型问答的基准，涵盖 27 个任务族以及一套欺诈风险推理套件。对自研模型和基于 LoRA 适配的开源模型的评测结果显示，模式合规性、算术计算和证据归因是三大独立瓶颈。
RGH-GNN 提出一种风险门控的异构图神经网络，将 LightGBM 生成的交易级风险分数作为边权重引导消息传递，以提升金融欺诈检测性能，在 IEEE-CIS 数据集上取得 0.914 的 AUC-ROC 并超越所有基线。
Zoom和主要金融机构正在采用World的'人类证明'徽章，该徽章通过虹膜扫描验证技术，旨在防止深度伪造和人工智能驱动的欺诈行为，保护敏感对话的安全。
澳大利亚初创公司 Apate.ai 部署数千个 AI 代理伪装成受害者与骗子互动，已浪费骗子 17 年时间并收集欺诈情报，供银行、电信和政府机构反欺诈使用。该公司是本届 TechCrunch Disrupt Startup Battlefield 200 的决赛入围者。
Google DeepMind与新加坡GovTech合作，基于开源模型Gemma微调构建设备端诈骗检测系统，可在保护个人隐私的同时实时识别本地社交工程诈骗威胁。
本文提出 TRACE 治理框架，用于量化与追踪生产 AI 系统中的「可解释性债务」，并通过为期十二个月的欺诈检测案例研究展示其预测审计风险的能力，为欧盟 AI 法案第 13 条合规提供首个可量化运营架构。
提出了一个混合量子-经典框架（QML-CRL），通过参数化量子电路编码认知偏差，并结合强化学习以最优停止问题建模，用于检测亲密关系及恋爱投资欺诈。
这篇 arXiv 论文提出了一个角色感知的 Decider-Supervisor 框架，将集中式机器学习、基于 FedAvg 训练的联邦元模型以及 Base/QLoRA 大语言模型变体与区块链审计能力相结合。研究发现，AI 监督仅在特定角色、校准方式和流量条件下才能减少欺诈决策错误，而非默认有效。
SR-Fraud 是一种针对非平稳支付欺诈检测的结果监督反思型LLM智能体框架，在生产基准测试上相比传统方法提高了检测指标。
CRISP 是一种用于不平衡表格学习的可扩展核心集方法，它能高效减小数据集规模，同时在欺诈检测等任务中保持高准确性。
本文提出质心引导对比损失，用于结构化虚假职位发布检测，通过在潜空间中统一分类与聚类，实现了最先进的性能表现。
本文介绍了StreamFraudNet，一种弱监督增量模型，用于从原始语音中检测电话诈骗，达到ROC-AUC 0.9953，并能实时运行，在通话过程中提供早期警告。
文章指出，许多企业AI试点项目失败的原因是使用了生成模型来处理更适合判别模型的任务，强调了数学目标和更新机制上的差异。
FraudBench 是一个可执行基准测试，用于对基于政策的银行代理进行对抗自适应欺诈攻击的压力测试，模拟具有工具、可变状态和内部政策文档的场景。
Stripe收购OpenRouter旨在提升整个生态系统的AI安全和对齐性，利用OpenRouter的AI流量数据，通过持续的情境反馈循环来改进欺诈检测和风险管理。
本文研究了人工智能和机器学习算法在识别欺诈性银行交易中的应用，提出了预处理技术并比较了多种模型。人工神经网络和堆叠泛化方法取得了更高的AUC分数，最佳结果约为0.954。