Hermes双尺度图Transformer在1.3亿高风险会话上将客户摩擦降低44.44%并提升欺诈召回24.66%
相关研究与后续进展
核心概要
该工作提出Hermes双尺度架构，用Micro-GT在时间安全的异构会话邻域上做关系感知注意力、用Macro-GT对非预期性生态气候token与自适应类原型建模，在超过1.3亿条高风险交易会话上相对生产XGBoost系统将客户摩擦（FR@50R）相对降低44.44%、欺诈召回（R@5FR）相对提升24.66%，总体ROC-AUC达85.12%。
深度剖析
Hermes将局部关系结构与全局生态上下文统一到一个会话级欺诈预测框架中，Micro-GT与Macro-GT表示经学习投影融合并端到端训练。 此前生产表格模型孤立打分、图模型主要推理局部邻域，缺少同时表达局部关系与演化中生态状态的统一机制。 在超过1.3亿条高风险会话、按时间划分（末四个月测试、前两个月验证）的专有数据集上评估，所有模型遵守serve-time与标签成熟约束。
Micro-GT用四个结构化注意力掩码（identity-self、relation-group、chain、full-context）依次作用，保留账户、设备、网络关系语义并建模多跳关系链。 相对同质SAGE式聚合，引入节点异质性与直接全对交互，捕获常规消息传递之外的高阶依赖。 消融显示Micro-GT（full attention）将总体AUC从ATLAS的84.02%提升至84.58%、P2 AUC从78.75%提升至80.47%；加入关系掩码后总体AUC达84.78%、P1 AUC达83.10%。
Macro-GT对非预期性每日气候token（全局欺诈活动、平台行为、跨平台迁移、速度与异常、生态拓扑、风险状态）以及自适应类原型做注意力，提供局部邻域之外的生态级信息。 使模型能感知攻击量、平台集中度与基础设施复用等生态级状态变化，而非仅依赖局部图模式。 加入Macro-GT后总体AUC升至84.93%、P2 AUC升至81.06%，FR@50R降至5.519%、R@5FR升至48.44%；类原型进一步将总体AUC推至85.12%、FR@50R降至5.373%、R@5FR升至48.91%。
在四个连续留出测试月上的时间稳定性分析显示Hermes持续优于基线，且相对图模型在后期月份无退化。 表明局部关系建模与全局生态上下文的组合在欺诈活动变化的时期保持稳健。 按时间顺序划分测试集并逐月评估，报告Hermes在整个评估窗口内一致领先，收益在欺诈活动变化期间保持稳定。
启示与展望
该结果面向拥有共享账户、设备、网络标识符异构会话图且欺诈标签延迟裁决的数字银行高风险会话场景，模型在serve-time与标签成熟约束下非预期性运行，适用于需要同时控制客户摩擦与提升欺诈召回的部署环境；其双尺度设计为在演化欺诈生态中保持时间稳定性的关系型风险建模提供了可复用范式。
气候token与类原型的特征定义分散在附录中，正文未给出全部数值细节；不同机构的数据分布、标识符覆盖与标签延迟可能影响迁移表现；逐月稳定性以图形式呈现，具体月度数值未在正文列出；原型数量、EMA动量与耐心阈值等超参数未在正文给出取值，复现时需参考附录与实现细节。