资源和常见问题

问：这个解决方案的适用对象是谁？

需要使用AI技术基于业务数据构建风控体系的客户。

问：这个解决方案的用户体验是什么样的？

您可以在几分钟内通过 CloudFormation 模板将解决方案部署到您自己的 Amazon Web Services 帐户中。 所有必要的资源将被部署完毕。 请按照部署指南设置基于IEEE-CIS金融开放数据集的端到端实时欺诈检测演示。
此解决方案是 GitHub 中的一个开源项目，您可以针对您的特定用例进行自定义和优化模型。

问：这个解决方案的使用成本如何？

您可以免费使用此方案，只需要按照亚马逊云科技资源的使用量付费。

问：为什么这个解决方案用图数据库？

我们使用图形数据库来存储实体之间的关系。 图数据库提供微秒级查询性能，可查询实体子图进而做到实时欺诈检测推理。

问：在欺诈检测场景中用图神经网络有什么优势？

在欺诈检测场景中，欺诈者可以团伙作案隐藏他们的异常特征，但留下一些关系的痕迹。传统的机器学习模型使用样本的各种特征。然而，不同样本之间的关系总是被忽略，要么因为没有直接的特征可以表示这些关系，要么因为特征的唯一值太大而无法为模型编码。例如，IP 地址和物理地址可以是两个帐户的链接。但是这些地址的唯一值太大而无法进行单热编码。因此，许多基于特征的模型无法利用这些潜在关系。图神经网络模型直接利用不同样本之间建立的链接，将样本的某些分类特征重建为图结构中的不同节点。

通过使用消息传递和聚合机制，基于 GNN 的模型不仅可以使用样本的特征，还可以捕获样本之间的关系。凭借捕获关系的优势，与传统模型相比，图神经网络更能检测协作欺诈事件。