基于 RBIH NFPC 数据集的关系学习账户级钱骡检测

研究将银行关系型数据库直接视为异构图，以行作节点、外键作边，用逐列编码器、相对时间编码和 HeteroGraphSAGE 消息传递对账户打分，且邻域仅限账户被标记前记录的行。在 RBIH 五年零售银行数据集（4 亿笔交易、94,063 个标注账户，其中 2.6% 为确认钱骡）上，该检测器以 83% 精确率和 0.5% 误报率召回九成留出钱骡，比最强树模型多找出 115 个钱骡。