返回 / All projects
2023AI · Risk · Graph · Payments
知识图谱风险传播引擎
账户—设备—商户图谱、MetaPath 发现与可解释的 GNN 风险传播
Knowledge GraphEvaluationHITL
INTERACTIVE
交互体验
这是站内运行的工程沙箱：使用公开或合成样本执行真实算法；存在公开仓库时可继续查看源码。
graph-risk-engineAPI ↗
公开作品集重建：浏览器内运行真实算法与合成数据，不包含雇主代码、模型权重或客户数据。
高风险 IP · ip65.6%
账户 B · account59.4%
商户 X · merchant51.0%
设备 1 · device43.1%
账户 A · account38.8%
账户 C · account21.8%
设备 2 · device12.2%
我的角色
风控图谱工程重建
年份
2023
团队
1 人（独立）
状态
简历项目 · 公开重建
01
项目概述
将简历中的知识图谱、GNN 与 MetaPath 风控工作重建为小型可解释网络：风险从账户、设备、商户和 IP 沿边传播，同时输出路径证据。
02
问题
P01
单账户特征看不到共用设备、关联商户和高风险 IP 的群体关系。
P02
黑盒 GNN 分数如果没有路径解释，风控运营无法采取行动。
03
架构与流程
architecture.diagram
STEP 01
异构图
账户 / 设备 / 商户 / IP
STEP 02
边权
使用 / 支付 / 连接强度
STEP 03
消息传递
带阻尼邻居风险传播
STEP 04
MetaPath
账户→设备→账户
STEP 05
证据解释
高风险节点与路径说明
04
核心功能
VIEW 01
传播轮数
调节迭代轮数观察风险扩散。
VIEW 02
节点排名
比较原始与传播后风险。
VIEW 03
共用设备路径
显式发现账户关联链。
VIEW 04
可解释输出
每次运行输出模型与路径说明。
05
量化成果
7 / 6
节点 / 边
小型可审计合成网络。
2-hop
MetaPath
账户共用设备检测。
4
可调迭代
观察传播敏感性。
06
技术栈
TypeScriptKnowledge GraphMetaPathGNN-style Message PassingRisk ScoringReact
下一个项目