标签
提出用于金融欺诈检测的多流欺诈Transformer（MSFT），该模型使用Transformer独立编码交易、登录和风险事件流，并通过时间感知位置编码和门控融合进行融合，在大型数据集上实现了0.9961的AUROC。
提出TMR-GGNN，一种用于信用卡欺诈检测的时间感知多关系图神经网络，通过对比学习和焦点损失处理不平衡数据和不断演变的欺诈模式。
Sumsub的这篇文章探讨了针对创作者经济的AI驱动深度伪造欺诈日益增长的威胁，并提供了一份关于检测和防护方法的指南，以应对冒充和语音克隆诈骗。
一位实践者回顾了在生产环境中部署AI智能体的经历，指出80%的工程精力花费在工作流、所有权和审批流程上，而非模型本身。他强调，共享上下文和路由这些“无聊层”对于产生实际影响至关重要。
介绍了SAGE，首个端到端的LLM驱动的多智能体框架用于欺诈检测，它使用数据诊断树和具有自然语言梯度的马尔可夫决策过程，在类别不平衡下优化模型。实验表明，在五个数据集上，与基线相比F1有显著提升。
硅谷大佬Peter Thiel分享PayPal早期因欺诈濒临破产，通过人机协作（计算机筛选+人类定性调查）最终脱困的经历，指出这种协同范式被AI研究界低估。
金融机构正从孤立的AI模型转向基于Transformer架构的统一交易基础模型，如NVIDIA的报告和Revolut的PRAGMA模型所示，该模型改善了欺诈检测、信用评分和推荐，同时减少了特征工程工作量。
SilIF 通过基于轮廓的评分层增强了孤立森林，该层应用于每棵树路径长度指纹，在 IEEE-CIS 基准测试上平均提升 +0.0080 AUC-PR，改善了无监督交易欺诈检测性能。
一位商家详细描述了一起友好欺诈案例，其中 Stripe 拒绝利用明确的滥用证据来改进其跨商家欺诈检测系统，尽管其在推广 Radar 产品时声称利用全网信号。
本综述研究了金融AI系统中的计算非确定性，涵盖表格模型、图网络和基于LLM的工作流，并提出了一个用于可审计性的分层评估框架。
ORACLE是一种新的智能体框架，用于从流式应用使用轨迹中早期预判诈骗。它采用自进化上下文管理器和同策略自蒸馏技术，从跨多个应用和天数的部分观察中检测诈骗。
一份实用指南，介绍六种用于检测金融数据中交易欺诈的SQL模式，包括速度检查、不可能旅行检测等方法。作者分享了真实案例和调优建议。
本论文评估基于LLM的模拟器作为差分隐私合成数据生成器的能力，使用PersonaLedger来评估LLM是否能够忠实地复现受DP保护角色的统计分布。虽然在欺诈检测效用方面取得了良好成果（在ε=1时AUC为0.70），但该研究发现了由系统性LLM偏差造成的显著分布漂移，该偏差会覆盖输入统计数据。
SafetyKit 推出由 OpenAI 的 GPT-5、GPT-4.1 和专有技术驱动的 AI 智能体，可在文本、图像和金融交易中检测欺诈和违规活动，准确率超过 95%。该解决方案使市场平台和金融科技公司能够大规模自动化风险检测、策略执行和内容审核。
# Stripe 来源: [https://openai.com/index/stripe/](https://openai.com/index/stripe/) 今年早些时候，Stripe 要求 100 名员工做一件非常不寻常的事情：停止日常工作，转而使用 OpenAI 最新一代语言模型 GPT-4 为支付平台设想新功能。来自支持、入门、风险和文档等团队的工程师们思考了 Stripe 在哪些地方可以利用能够理解自由形式文本和图像的人工智能