在反欺诈场景中，常用的图神经网络（GNN）主要用于分析（ ）。A. 客户间的关联关系（如团伙欺诈）B. 单个客户的时序数据C. 图像验证码识别D. 客户的文本评论

考查要点：本题主要考查对图神经网络（GNN）应用场景的理解，特别是其在反欺诈中的核心作用。
解题思路：需明确GNN擅长处理图结构数据，即节点间的关联关系。反欺诈中，团伙欺诈往往涉及多个主体间的复杂联系，GNN能有效捕捉这些关联特征。
关键点：排除非图结构相关选项（如时序、图像、文本），聚焦于客户间的关系网络。

选项分析

A. 客户间的关联关系（如团伙欺诈）

GNN通过图结构建模，能识别客户间的隐含关联（如共同地址、交易链路等），发现团伙欺诈的异常模式。这是GNN的核心应用场景。

B. 单个客户的时序数据

时序数据（如交易时间序列）通常用循环神经网络（RNN）或注意力机制处理，与图结构无关，与GNN关联性弱。

C. 图像验证码识别

图像识别属于计算机视觉领域，常用卷积神经网络（CNN），与图神经网络无直接关系。

D. 客户的文本评论

文本处理需自然语言模型（如BERT），而GNN不直接处理序列或语义信息，排除。