基于行为的金融欺诈建模和推理语义丰富

在金融欺诈检测中，丰富的语义上下文可以为交易行为建模和欺诈推理提供重要证据。然而，由于隐私限制，现实世界的公共金融数据集通常缺乏丰富的语义。因此，合成数据集包含了生成的语义，但以行为现实主义为代价；用于上下文推理的文本描述仍然很少。我们通过基于原始交易行为的语义丰富框架来模拟多模式金融数据来解决这一差距。我们（1）提出了一个多Agent语义丰富框架，通过角色专用Agent和一致性细化生成基于交易行为的可解释的金融语义，（2）新贡献了一个有价值的多模式金融欺诈数据集 MS-FFSD，该数据集丰富了结构化语义和文本语义，同时保留了基于真实数据的交易行为。此外，我们系统地分析了语义丰富的质量和效用。结果证明了统计保真度和框架的通用性，同时表明更丰富的语义有利于欺诈建模和上下文感知的 LLM 推理。总体而言，这项工作推进了多模式金融欺诈研究，并将新兴的LLM和多Agent能力与反欺诈实践联系起来。框架和数据集发布于https://github.com/AI4Risk/MS-FFSD.