AntiFraud 是 AI4Risk/FinInt 相关组织维护的金融反欺诈检测框架，收录和实现多篇信用卡欺诈检测、图欺诈检测和时空注意力相关论文的方法。项目覆盖 MCNN、STAN、STAGN、GTAN、RGTAN、HOGRL、Grad 等模型或方法，涉及卷积神经网络、时空注意力、图神经网络、属性驱动图表示、风险感知图表示等技术。

这个项目对银行从业者非常有价值，因为反欺诈是银行 AI 最典型、最接近生产的问题之一。与投研类项目不同，欺诈检测更强调稀有事件、样本不平衡、伪装行为、交易关系网络、实时性和可解释性。AntiFraud 可以作为理解现代反欺诈模型演进的入口。

• 面向金融欺诈检测的模型框架。
• 涵盖信用卡欺诈、图欺诈、风险感知表示等方向。
• 收录 2024-2025 年较新的高阶图表示和风险扩散生成方法。
• 强调交易行为、空间关系和时间动态的综合建模。

AntiFraud 适合学习欺诈检测中的关键问题：为什么传统规则不够，为什么要用图结构，为什么交易时间序列重要，为什么样本不平衡会影响模型训练，为什么欺诈分子会伪装成正常用户。银行从业者可以结合信用卡、借记卡、账户、支付、收单、网络金融等场景理解。

• 信用卡交易欺诈检测。
• 支付交易风险评分。
• 账户异常行为识别。
• 团伙欺诈和关联账户识别。
• 银行反欺诈模型学习材料。

反欺诈模型不能只看准确率，还要看召回率、误报率、客户体验、人工审核成本和监管解释。开源数据和真实银行数据差异很大，真实业务还涉及数据隐私、实时决策、黑名单策略、人工复核、模型漂移和对抗攻击。