Аналитик спрашивает: «Какие счета связаны с помеченной транзакцией Т-9001?» Тогда агент: Действует на подключенные данные: отслеживает отношения (учетная запись, устройство, IP-адрес, транзакция), выполняет несколько прыжков и запускает графовые алгоритмы. Вспоминает: я...
Идея
Аналитик спрашивает: «Какие счета связаны с помеченной транзакцией Т-9001?» Тогда агент:
Действует на подключенные данные: отслеживает отношения (учетная запись, устройство, IP-адрес, транзакция), выполняет несколько прыжков и запускает графовые алгоритмы.
Помнит: он сохраняет свои выводы в личном графике памяти этого аналитика и повторно использует их в последующих исследованиях.
Объясняется само собой: каждый результат показывает путь доказательства, стоящие за ним запросы Cypher, использованные воспоминания и предпринятые действия.
Почему график
«Кто использует устройство совместно с отправителем этой транзакции и кому они отправляют деньги?» это вопрос с несколькими переходами. В SQL это цепочка соединений, которую необходимо планировать заранее. Векторный поиск находит похожий текст, а не общие устройства. В графовой базе данных агент напрямую следует за отношениями.
Как я использовал FalkorDB
FalkorDB — единственное место, где живет государство.
1. График мошенничества. Fraud_data содержит узлы «Человек», «Учетная запись», «Устройство», «IP-адрес», «Продавец» и «Транзакция»: 5000 учетных записей и 50 000 транзакций синтетических данных с тремя внедренными шаблонами, скрытыми в обычной деятельности (мошенническая группа, учетные записи-мулы и синтетические идентификаторы, которые используют одно устройство и адрес). Ключ ответа хранится вне