徐瑞卿 张志旺 孙宏亮

（南京财经大学信息工程学院，南京，210046）

1 引言

随着互联网应用的发展，欺诈检测是一项至关重要的技术，有着广阔的前景，在安全[1]、金融[2]、医疗[3]和审查管理[4]等领域有许多具备影响力的应用。例如，网络商铺通过购买水军刷好评，来夸大自己店铺的声誉，或者是通过恶意评论来抹黑竞争对手的评价[5]。在金融行业中，有欺诈的借贷者通过伪造良好信誉形象，或者和高信誉的人产生关联，来提高自己的信誉，进行欺诈。如今，欺诈检测技术早已应用到诸如淘宝、京东等电子商务平台，但水军也在提高欺诈能力，欺诈检测的精确度仍需要进一步提升。

在过去已经出现了许多用于检测多维点集合中欺诈者的技术[6]。随着图数据变得无处不在，图神经网络（GNN）技术快速发展，基于图的欺诈检测[7]受到了关注。从本质上讲，基于图的欺诈检测的基本假设是，用户和欺诈者在购买产品或发布评论时有丰富的行为交互，这种交互可以表示为类似于图的数据，为欺诈检测提供有效的多方面信息。

图卷积网络（GCN）的核心是通过将节点特征传递给相邻节点来操作图结构上的各种聚合函数；每个节点聚集其邻居的特征向量，结合其自身的特征，计算更新为新的特征向量表示。电子商务中的水军欺诈检测问题可以看成是图上的节点分类问题，因此GCN可被用于异常检测并且逐渐成为一种有效且常用的手段。

最开始的基于GNN的欺诈检测工作仅在狭窄的范围内应用，而忽略了欺诈者的伪装行为，伪装有以下两种类型。……