Գործակալ, որը գիտի, երբ չգիտի. խարդախության հետաքննությունը TigerGraph-ում

TigerGraph x Hacker House Goa հաքաթոնի ժամանակ մշակողները ստեղծել են խարդախության հետաքննության գործակալային համակարգ, որը նախատեսված է գրաֆների վրա հիմնված տրամաբանության միջոցով հայտնաբերման ճշգրտությունը բարելավելու համար: Օգտագործելով IEEE-CIS տվյալների բազան՝ համակարգը կիրառում է LangGraph գործակալ՝ ինտեգրված TigerGraph-ի հետ՝ բարդ վերլուծություններ և վեկտորային որոնումներ կատարելու համար: Ի տարբերություն ավանդական մոդելների, այս գործակալը օգտագործում է Բայեսյան թարմացումներ՝ վստահության մակարդակը չափորոշելու համար: Անորոշության դեպքում համակարգը նախաձեռնողաբար պահանջում է լրացուցիչ ապացույցներ՝ նախքան վերջնական որոշում կայացնելը: Ճարտարապետությունը հիմնված է GSQL հարցումների, գրաֆային ալգորիթմների և վեկտորային որոնման վրա՝ հայտնաբերելու համար խարդախության այնպիսի համակարգված ձևեր, որոնք ստանդարտ մոդելները հաճախ բաց են թողնում: Այս մոտեցումը ցույց է տալիս կառուցվածքային գրաֆային տվյալների և LLM-ի վրա հիմնված տրամաբանության համադրման արդյունավետությունը՝ ֆինանսական ծառայություններում ապահովելով ավելի թափանցիկ և հարմարվողական պաշտպանություն:
This is a summary. Read the full article at the original source:
Dev.toԿապակցված
FraudGraph Agent-ի ստեղծում. ինքնավար խարդախության հետաքննություն և քաղաքականությանը համապատասխան գործողություններ TigerGraph-ի միջոցով
Մշակողները ներկայացրել են «FraudGraph Agent»-ը՝ ձեռնարկատիրական մակարդակի ինքնավար համակարգ, որը նախատեսված է ժամանակակից վճարային խարդախությունների դ…
TRACE-ի կառուցումը. Խարդախության հետաքննություն՝ հիմնված գրաֆների վրա TigerGraph-ի և Gemini-ի օգնությամբ
TRACE նախագիծը, որը մշակվել է TigerGraph Agentic Fraud Investigation մրցույթի համար, ներկայացնում է խարդախության հայտնաբերման նախատիպային համակարգ՝ հի…
TechRadar-ի նոր զեկույցը ընդգծում է, որ թեև ֆինանսական հաստատությունները ակտիվորեն ներդնում են արհեստական բանականություն, շատերը չեն հասնում իրական փո…



