При обнаружении финансового мошенничества самой большой проблемой является не просто выявление аномалий, а объяснимость, соблюдение политики и минимизация ложных срабатываний. Агент ИИ, блокирующий каждую подозрительную учетную запись, плохо работает и разрушается...
При обнаружении финансового мошенничества самой большой проблемой является не просто выявление аномалий, а объяснимость, соблюдение политики и минимизация ложных срабатываний. Агент ИИ, который блокирует каждую подозрительную учетную запись, плохо работает и подрывает доверие клиентов.
Для конкурса TigerGraph x 247pmstudio Hacker House Goa Challenge мы создали TigerGraph Agentic Fraud Shield — гибридную рабочую станцию и конвейер для расследования случаев мошенничества. Он сочетает в себе детерминированные проверки политик, эквивалентные графам, для более чем 590 тысяч реальных транзакций с синтезом естественного языка Google Gemini для предоставления проверяемых, объяснимых и действенных файлов по делам о мошенничестве.
Постановка задачи и архитектура
Расследование мошенничества с картами требует тщательного анализа огромных журналов транзакций для установления контекста: общие устройства для карт, резкие скачки скорости, использование за пределами региона и повторяющиеся споры о подписке. Непрозрачные сквозные LLM часто приводят к галлюцинациям решений, в то время как традиционным механизмам правил не хватает резюме на естественном языке для команд по обеспечению соответствия.
Наша архитектура решает эту проблему посредством строгого разделения труда:
Механизм детерминированных правил (уровень политики): выполнение данных под управлением Pandas имитирует запросы графа для оценки банковских правил (R1–R10).