人工智能识别金融诈骗的依据主要是通过对大量数据的学习和分析，来识别和判断交易行为是否存在欺诈风险。具体来说：

1. 行为模式分析：人工智能会通过分析大量正常的和欺诈性的交易数据，学习并识别出不同交易行为的特征和模式。当新的交易发生时，AI会将其与已知的行为模式进行比对，从而判断该交易是否异常或存在欺诈风险。

2. 深度学习模型：利用深度学习技术，人工智能可以建立复杂的神经网络模型，这些模型能够自动提取和识别交易数据中的关键特征，并据此对交易进行风险评估。深度学习模型的优势在于其能够处理非线性、高维度的数据，并发现其中的隐藏规律。

3. 图计算技术：在金融交易中，往往涉及多个账户和交易方之间的复杂关系。人工智能可以利用图计算技术来理解和分析这些复杂关系，从而识别出潜在的欺诈行为。例如，通过构建交易网络图，AI可以追踪资金流向，发现异常的资金转移模式。

4. 生物识别技术：如面部识别、语音识别等，也可以被用于增强金融交易的安全性。这些技术能够更准确地验证交易方的身份，从而降低身份冒用和欺诈的风险。

综上所述，人工智能识别金融诈骗的依据是多方面的，包括行为模式分析、深度学习模型、图计算技术以及生物识别技术等。这些技术共同构成了AI在金融反欺诈领域的应用基础，帮助金融机构更有效地识别和防范金融诈骗行为。如果你在这方面有具体的法律问题或需要进一步的咨询，请随时向我提问。