软件学报

作者：邱天，贾凌翔，高杨，冯尊磊，高艺，宋明黎

单位：邱天，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005111,贾凌翔，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005102,高杨，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005103,冯尊磊，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005104,高艺，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005105,宋明黎，区块链与数据安全全国重点实验室 (浙江大学), 浙江 杭州 310027;杭州高新区(滨江)区块链与数据安全研究院, 浙江 杭州 31005106

关键词：图神经网络;欺诈检测;链路聚合;注意力机制;特征表示

基金：国家重点研发计划 (2022YFB2703100)

随着信息技术发展, 信息网络、人类社会与物理空间交互加深, 信息空间风险外溢现象严峻. 欺诈事件激增, 欺诈检测成为重要研究领域. 欺诈行为给社会带来了诸多负面影响, 且逐渐呈现出智能化、产业化及高度隐蔽性等新兴特征, 传统的专家规则与深度图神经网络算法在应对上显得愈发局限. 当前反欺诈算法多从节点自身与邻居节点的局部信息出发, 或聚焦于用户个体, 或分析节点与网络拓扑关系, 或利用图嵌入技术学习节点表示, 这些视角虽然能具备一定的欺诈检测能力, 但是忽略了实体长程关联模式的关键作用, 缺乏对于海量欺诈链路之间共性模式的挖掘, 限制了全面的欺诈检测能力. 针对以上欺诈检测算法的局限性, 提出一种基于链路聚合的图欺诈检测模型PA-GNN (path aggregation graph neural network), 包含不定长链路采样, 位置关联的统一链路编码, 链路信息交互聚合, 以及聚合关联的欺诈检测. 从节点出发的若干链路之间通过全局模式交互与相似度比对, 挖掘欺诈链路之间的共性规律, 从而更全面地揭示欺诈行为之间的关联模式, 并通过链路聚合继而实现欺诈检测. 在金融交易、社交网络和评论网络这3类欺诈场景下的多个数据集上的实验结果表明, 所提方法的曲线下面积(AUC)和平均精度(AP)指标相较于最优基准模型均有显著提升. 此外, 该方法为欺诈检测任务挖掘了潜在的共性欺诈链路模式, 驱动节点学习这些重要的模式并获得更具表现力的表示, 具备一定的可解释性.

来源：2026年第2期

《软件学报》期刊编辑部

查看软件学报杂志2026年第2期