基于图神经网络的信用卡欺诈检测工作流程中的客户联系效率提升
机器学习
2026-02-09 v2
摘要
信用卡欺诈自上个世纪以来始终是一大难题，给行业造成了巨大的经济损失。预防欺诈最有效的方式是通过联系客户核实可疑交易。然而，这些系统虽然设计用于检测欺诈行为，却经常误判合法交易，导致不必要的拒付，破坏用户体验并削弱客户信任。频繁的误报会让客户感到沮丧，引发不满、增加投诉，并削弱其安全感。为此，我们提出一种集成关系图卷积网络 (RGCN) 的欺诈检测框架，以提升识别欺诈交易的准确性和效率。通过利用交易数据的关系结构，我们的模型减少了对直接客户确认的需求，同时保持了高水平的检测性能。我们的实验采用 IBM 信用卡交易数据集进行评估，以检验这一方法的有效性。
引用
@article{arxiv.2504.02275,
title = {Enhancing Customer Contact Efficiency with Graph Neural Networks in Credit Card Fraud Detection Workflow},
author = {Menghao Huo and Kuan Lu and Qiang Zhu and Zhenrui Chen},
journal= {arXiv preprint arXiv:2504.02275},
year = {2026}
}
备注
Published in Proceedings of the 2025 IEEE 7th International Conference on Communications, Information System and Computer Engineering (CISCE), pp. 320-324. DOI: 10.1109/CISCE65916.2025.11065245