深度分析
AI 安全代理人雙串流融合 LSTM 與圖形關係模組提升多向量詐騙與 AML 偵測效能
金融機構同時面臨簽章式詐騙與行為型金融犯罪，傳統規則引擎難以捕捉後者。本文提出一套 AI 安全代理人，採用交易與會話兩條平行事件串流，結合 LSTM 行為序列模型、速度阈值監控及圖形關係分析，產生統一風險分數。
深度分析
金融機構同時面臨簽章式詐騙與行為型金融犯罪，傳統規則引擎難以捕捉後者。本文提出一套 AI 安全代理人，採用交易與會話兩條平行事件串流，結合 LSTM 行為序列模型、速度阈值監控及圖形關係分析，產生統一風險分數。
AML
本報導改寫自ArXiv研究，聚焦於區塊鏈圖形反洗錢（AML）系統在不同評分粒度下的實務差異。研究以公開的Elliptic++比特幣資料（203,769 筆交易、822,942 次地址出現）為基礎，分別訓練交易層與地址層的隨機森林模型，並提出一套投影框架，將交易分數聚合到地址層。