基于元路径的异构图神经网络在欺诈检测中的语义路径挖掘与异常模式识别研究综述.docVIP

基于元路径的异构图神经网络在欺诈检测中的语义路径挖掘与异常模式识别研究综述

一、异构图下欺诈检测的核心挑战与元路径范式的兴起

随着数字经济场景的复杂度持续攀升，欺诈行为已经从单一主体的孤立作弊，演化成多角色协同、跨平台串联的系统性作案。传统基于同构图的欺诈检测模型将所有节点和边视为同一类型，无法捕捉欺诈者与正常用户、设备、地址、交易等不同实体之间的关联语义，导致模型对隐蔽性极强的团伙欺诈、链路欺诈识别精度不足。元路径作为异构图的核心语义抽象，通过定义不同类型节点之间的序列关联规则，能够将复杂的异质关联拆解为可解释的语义路径，为揭示欺诈行为的隐藏关联模式提供了新的范式。

早期元路径在欺诈检测中的应用主要依赖人工定义，例如电商场景中常用的“用户-商品-用户”路径识别刷好评团伙，金融场景中“账户-交易-账户”路径识别资金转移欺诈。但人工定义元路径存在明显的局限性：一方面，欺诈手段不断迭代，未知的新型关联模式无法被预先枚举；另一方面，高维异构图中可能存在的元路径数量随节点类型增长呈指数级上升，人工筛选的效率极低且容易遗漏关键语义。随着图神经网络技术的发展，如何将元路径的语义表示能力与图神经网络的特征学习能力结合，实现端到端的语义路径挖掘与异常模式识别，成为近年来欺诈检测领域的研究热点。

二、基于元路径的异构图神经网络语义路径挖掘方法演进

元路径指导下的异构图神经网络语义挖掘方法，按照路径生