Создание FraudGraph Agent: автономное расследование мошенничества и соблюдение политик с помощью TigerGraph

Разработчики представили «FraudGraph Agent» — автономную систему корпоративного уровня для борьбы с современным платежным мошенничеством. Решение, созданное для конкурса TigerGraph x Hacker House Goa, объединяет TigerGraph 4.2.5, протокол контекста модели (MCP) и Vector GraphRAG, позволяя отказаться от традиционных ручных методов расследования. Сочетая графовый анализ с детерминированным движком политик, агент диагностирует типы мошенничества, собирает доказательства и рекомендует действия, такие как блокировка карт или подача отчетов о подозрительной деятельности (SAR), исключая риск галлюцинаций ИИ. Система делает упор на строгое разделение задач: LLM занимаются синтезом данных, а движок политик обеспечивает соблюдение нормативных требований. С показателем ROC-AUC 0.987 на тестовых наборах данных, FraudGraph Agent демонстрирует, как автономное графовое мышление может значительно снизить количество ложных срабатываний и операционные издержки в сфере финансовой безопасности, предоставляя масштабируемую и готовую к аудиту платформу для банковских операций.