面向电商平台的实时深度学习欺诈检测网络

Grab 生态系统每天处理数百万笔商户、司机、配送和消费者交易，是欺诈分子的重点目标。常见手法包括钓鱼或社会工程导致的账户接管以及信用卡欺诈。Grab 已用图模型追溯可疑账户之间的连接，再通过 AISG 与 NUS 合作把图模型和深度学习能力做深。

图把实体作为节点、连接作为边来揭示数据中的隐藏模式；图神经网络同时学习节点属性和连接结构来识别欺诈。Spade 处理不断演变的图，Spade Plus 加上用户自定义函数和更高效的流处理。Rush 抓突发的欺诈高峰，PMP 处理多样化连接。FPGA 上的动态随机游走在社交网络中实时扫描、快速识别虚假账户。自 2022 年起团队已发表多篇会议论文，研究成熟后部分模型将集成进 Grab 生产环境。

字幕语言： zh-CN · 抓取日期： 2026-05-02 · 翻译日期：2026-05-02

在当今快节奏的数字世界中，电子市场正以前所未有的速度增长。每秒钟都有数百万笔交易发生。但在这些交易中隐藏着一些暗示欺诈的模式。数字平台上的欺诈导致财务损失、声誉受损，同时也增加了行业和所有人的安全成本。在Grab生态系统内，数百万笔交易发生在我们的商户、司机、配送合作伙伴和消费者之间，我们成为了不法分子的主要目标。常见的欺诈手段包括通过钓鱼或社会工程进行账户接管以及信用卡欺诈。在N US，我们开发了基于人工智能的解决方案，以应对动态、大规模且快速变化的环境中的欺诈问题。Grab一直在利用图模型来检测欺诈。

图模型通过利用可疑连接之间的关联，使我们能够更有效地发现欺诈。与N US通过AI Singapore合作，专注于图模型和深度学习，帮助我们深化欺诈检测技术。图是一种非常强大的数据结构，将实体表示为节点，将它们之间的连接表示为边，有助于揭示数据中的隐藏模式。因此，图神经网络通过学习每个实体的属性以及它们之间的连接方式来提升检测能力。Spay能够检测不断演变的图中的欺诈行为，而Space Plus则通过用户定义的函数和更高效的流处理进一步增强了这一能力。Rush能够快速捕捉突发的欺诈高峰，而Spade Plus则追踪不断变化的模式，共同构成了一个强大且响应迅速的防御系统。

基于图的欺诈检测面临诸如标签不平衡、网络变化以及日益强大的欺诈手段等挑战。为了解决这些问题，我们提出了PMP来处理多样化的连接，Spade用于实时更新，以及强大的图技术来检测数据中的隐藏欺诈。就像学生通过练习多样化的问题来更好地学习一样，人工智能通过多样化的数据学习得更好，帮助其捕捉不断演变的欺诈行为，即使行为发生变化。我们开发了更好地处理演变图和适应实时数据变化的技术。我们还探索了异常检测策略，帮助提升在各种图中识别异常模式的性能。在庞大的数据池中，我们找到了一种利用特殊硬件FPGA理解大型网络的方法。

基于FPGA的动态随机游走是一种超高速的侦测工具，能够实时扫描社交网络，捕捉并移除虚假用户。自2022年以来，我们共同撰写了多篇学术论文，并在多个知名会议上进行了展示。我们计划在研究成果成熟后，将部分模型整合到GRAP中使用。未来，人工智能不仅能够做出反应，还能预测并防止欺诈的发生。欺诈行为不断演变，我们也在不断进步。通过人工智能驱动的欺诈检测，我们正在保障电子市场的未来，一笔交易接着一笔交易。[音乐]