FraudGT 是一个面向金融欺诈检测的图 Transformer 项目，论文题目聚焦“Financial Fraud Detection via Graph Transformer”。它将交易、账户、实体之间的关系建成图结构，并用图神经网络/Transformer 思路识别欺诈模式。

这个项目适合补齐图 AI 在金融风控中的位置。传统反欺诈模型常看单笔交易或单个客户特征，但很多欺诈、洗钱、团伙作案和账户套利都体现为网络关系。图模型可以捕捉账户之间、商户之间、设备之间、资金流之间的结构信号。

银行反欺诈和反洗钱天然适合图建模：账户、客户、手机号、设备、商户、IP、转账、共同联系人、共同收款方都可以形成关系网络。FraudGT 提供了学习图 Transformer 在金融欺诈检测中应用的入口。

• 项目方向是：金融欺诈图 Transformer，核心学习问题是：反洗钱和交易欺诈数据如何用图 Transformer 建模并提高检测效率。
• 关注金融数据、组合管理、风险指标、回测验证、交易智能体、图风控或策略评估等金融 AI 基础能力。
• 可以与机器学习、大模型或智能体结合：模型生成信号，工具负责数据、约束、验证和风险解释。
• 项目地址：https://github.com/junhongmit/FraudGT。 ↗
• 开源协议标注为：未明确标注；非宽松协议或未明确协议的项目，应用时要特别注意复用边界。

重点学习金融欺诈为什么需要图结构。单点特征可能看不出异常，但关系模式、路径、社区和聚集结构能暴露团伙行为。

还可以学习图 Transformer 与传统 GNN 的区别，以及如何在大规模交易图上处理效率、采样和不平衡标签。

• 银行卡、支付、账户和交易欺诈检测。
• 反洗钱可疑资金网络识别。
• 商户套现、团伙欺诈和账户关联分析。
• 图特征与传统风控模型融合。
• 银行图 AI 风控原型学习。

欺诈检测数据高度敏感且标签稀缺，公开实验与银行真实数据差异很大。项目协议未明确时不建议商用复用；真实落地还要考虑误报成本、人工调查、模型解释和监管审计。