7-3 图机器学习与风控的 2.0 时代

图机器学习与风控的演进与挑战

1.0时代：基于GNN的多源异构数据整合

• 风控任务特点：涉及用户资料、行为数据，需评估风险行为发生概率，数据层面存在类别不平衡、概念漂移、数据不可信等问题。
• 图机器学习解决方案：将多源异构数据转换为图表示，利用GNN评估风险特征，整合多源异构数据，实现半监督学习。

尚未充分考虑的挑战

• 数据不可信：对抗手段（扰动、错误分类、注入异常边）导致数据噪声和扰动，影响模型准确性。
• 模型不可靠：同质偏好假设易受攻击，异质偏好连边导致错误分类。

2.0时代：数据与模型的优化

数据可信度提升

• 结构学习净化：通过无监督结构学习框架，去除干扰边，增强GNN鲁棒性。
  • 对比学习框架：获取无监督表征，降低对结构扰动的敏感性，优化图结构。
  • 实验结果：在Cora等数据集上，提升GNN在结构扰动下的性能。

模型可靠性提升

• UD-GNN模型：针对同异质偏好共存图，通过不确定度估计和去偏训练方法，减少模型偏差。
  • 异质偏好与模型不确定性关系：异质偏好比率越高，模型不确定度增加。
  • 实验效果：缩小与近似无偏模型的性能差，提升模型鲁棒性。

用户行为预训练模型

• 动机：利用平台海量无标注用户行为数据进行风控任务。
• 自监督任务设计：三种粒度任务（动作、意图、序列级别），挖掘用户行为特征。
  • 动作级别：基于树的层次掩码，强化意图识别。
  • 意图级别：随机掩码，赋予同等重要性。
  • 序列级别：二分类任务，捕捉同源序列行为模式。
• 实验结果：在阿里巴巴平台真实数据上，提升欺诈交易检测、支付欺诈检测和信用风险评估性能。

GNN与风控的演化阶段

• 1.0阶段：怀疑数据不可信，通过数据去噪和模型纠偏提升性能。
• 2.0阶段：假设数据可信，发挥GNN从复杂数据中学习特征的能力。
• 2.0+阶段：进一步探索数据补全和模型泛化，提升模型鲁棒性和泛化能力。