ORACLE: 从流式应用使用部分轨迹中预测诈骗
机器学习
2026-05-19 v1 计算机与社会
摘要
智能手机诈骗日益普遍，通常表现为多阶段、跨应用的过程，其意图逐渐显现。因此，有效的干预需要在意图变得明确之前预测诈骗。这本身就具有挑战性，因为决策必须依赖于具有时间分布证据的部分轨迹。在本文中，我们提出了ORACLE（面向预测跨时间潜在威胁的在线推理），这是首个用于从流式应用使用轨迹中早期预测诈骗的智能体框架。为了支持这一设定，我们整理了一个真实世界的长时域流式应用使用轨迹基准，涵盖12种诈骗类型，跨越较长时间段（平均15天），涉及多种应用（95个应用），并交织了正常行为和诈骗行为。为了解决碎片化证据问题，我们引入了一个自演化上下文管理器，它能够自适应地随时间整合以实体为中心的交互，从而能够从部分观测中更有效地重建跨时间证据。为了增强对潜在早期阶段信号的敏感性，我们提出了一种在线策略自蒸馏方案，其中教师模型（基于技能总结的反诈骗反思和线索）监督一个无法访问这些反思的学生模型。该方案因此蒸馏了证据信息知识，并提高了从部分轨迹中识别新兴欺诈模式的能力。实验表明，ORACLE持续改进了早期诈骗预测，在现实的流式场景中提供及时警告，同时减少误报。
引用
@article{arxiv.2605.16363,
title = {ORACLE: Anticipating Scams from Partial Trajectories in Streaming App Usage},
author = {Wenbo Gao and Songbai Tan and Zhongan Wang and Fei Shen and Gang Xu and Huiping Zhuang and Yunyun Yang and Ming Li and Xiaofeng Zhu},
journal= {arXiv preprint arXiv:2605.16363},
year = {2026}
}