成功可信度中
其他行业 · AI应用
基于图卷积网络的身份欺诈检测
Careem寻求一种覆盖所有欺诈类型的全面方法。他们使用图数据库（Neptune）构建了“Crazy Wall”来表示用户身份。目前正在升级到第二版，用Neptune ML训练图卷积网络（GCN）来替代简单规则，以实现对欺诈用户的高精度预测。
Careem发布于 2026年7月27日阅读 0
初始基于规则的系统实现了90%的精确率。
未披露
自推出以来已阻止约35,000个不良行为者。
未披露
目标是将精确率提高到接近100%。
未披露
01
业务背景
Careem寻求一种覆盖所有欺诈类型的全面方法。他们使用图数据库（Neptune）构建了“Crazy Wall”来表示用户身份。目前正在升级到第二版，用Neptune ML训练图卷积网络（GCN）来替代简单规则，以实现对欺诈用户的高精度预测。
02
遇到的问题
03
AI 解决方案
04
实施结果
初始基于规则的系统实现了90%的精确率。：
自推出以来已阻止约35,000个不良行为者。：
目标是将精确率提高到接近100%。：
目标是提高召回率（阻止的用户数量）。：
目标是实现100%自动阻止，消除人工审核系统。：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。