PaySeqGen用逆强化学习重建欺诈策略

Huilin He等作者在arXiv发布论文，提出可解释的逆向强化学习框架PaySeqGen：它从欺诈者已观测的支付轨迹中重建欺诈行为策略，并生成新的欺诈序列用于增强检测器训练。 论文称，在Ant International真实支付场景的实验中，该方法优于当前最先进的生成式增强方法；其基于奖励的轨迹分析还能帮助分析师定位可疑片段、识别多步欺诈手法。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。