在当前信息技术日新月异的背景下，如何有效应对日益复杂的金融犯罪成为了全球关注的重要议题。近日，三亚学院信息与智能工程学院教师吴涛及其团队所著论文《基于事件时序图注意力网络的交易欺诈检测方法》（Transaction Fraud Detection Method Based on Event Temporal Graph Attention Network）被2025年大数据、人工智能与数字经济国际学术会议（BDAIE 2025）正式录用，标志着其在金融反欺诈领域的突破性研究获得了国际认可。
面对电信网络诈骗等新型金融犯罪的高度动态特性，传统的账户为中心的图形构建方法由于无法准确捕捉到交易的时间顺序和资金流转路径中的拓扑异常，难以实现对这类异常交易的有效监控。为解决这一难题，吴涛老师提出了基于事件时序图注意力网络(ETGAT)的交易欺诈检测模型。该模型的核心在于通过将交易事件视为节点来构建图表，并利用时间编码技术增强节点特征，再通过图注意力网络(GAT)层捕获整个图表的全局信息。
事件为中心的构图：不同于传统以用户为核心的图结构，ETGAT采用交易事件作为节点，这使得模型能够更好地捕捉到多个交易之间的顺序关系，尤其是对于洗钱场景中至关重要的时间序列信息。
时间编码机制：为了更精确地反映节点间的时间差异，吴涛老师引入了一套基于Bochner定理的时间编码函数，将时间信息转化为高维向量空间中的点，从而增强了特征表达能力。
图注意力网络的应用：通过使用图注意力网络(GAT)，ETGAT能够有效地捕捉到图中节点间的复杂依赖关系，不仅提升了模型的整体性能，还提高了模型解释性。
实验结果显示，相较于其他现有方法，ETGAT模型在AUC、KS值及F1分数等关键评估指标上均表现优异，证明了其在处理复杂交易数据方面的优越性能和良好可解释性。
此次论文被BDAIE 2025录用，不仅是对吴涛老师个人科研能力的认可，也是对其所在团队不懈探索精神的肯定。它体现了三亚学院在推动前沿科学研究方面取得的新成就，彰显了学校在培养适应新时代需求的高素质应用型人才方面的努力成果。
吴涛老师表示：“我们将继续深化研究，致力于开发更加高效准确的金融风险防控技术，为维护国家金融安全和社会信用体系贡献智慧力量。”他还强调，希望通过参与这样的国际交流平台，能够进一步加强国内外学者间的合作，共同推动相关领域的发展进步。
未来，学院将继续鼓励和支持教师积极参与高水平国际学术交流活动，促进学术研究与实际应用相结合，不断提升学校的学术影响力和科技创新能力。
