ORACLE：从流应用程序使用的部分轨迹预测诈骗

智能手机诈骗越来越普遍，通常表现为多阶段、跨应用程序流程，意图逐渐显现。因此，有效的干预需要在意图变得明确之前预见到诈骗。这本质上是具有挑战性的，因为决策必须依赖于具有时间分布证据的部分轨迹。在本文中，我们提出了 \textbf{ORACLE} Online Reasoning for Anticipating Cross-temporal Latent thrEats，这是第一个从 \textit{streaming app-usage} 轨迹预测早期诈骗的代理框架。为了支持这一设置，我们策划了一个真实世界的流媒体应用程序使用轨迹长期基准，涵盖 12 种诈骗类型，跨越较长时期（平均 15 天），涉及不同的应用程序（95 个应用程序），并交错正常和诈骗行为。为了解决碎片化的证据，我们引入了一个自我进化的上下文管理器，它可以随着时间的推移自适应地巩固以实体为中心的交互，从而能够从部分观察中更有效地重建跨时间证据。为了增强对潜在早期信号的敏感性，我们提出了一种 同策略 自 蒸馏 方案，其中教师模型以总结的反诈骗反射和技能线索为条件，监督学生模型而无需访问此类反射。因此，该方案提炼了有证据的知识，并提高了对部分轨迹中新出现的欺诈模式的识别。实验表明，\method{} 始终如一地提高了早期诈骗预期，产生及时的警告，同时减少了现实流媒体场景中的错误警报。