IEEE-CIS Fraud Detection 数据集收录 590,540 笔交易,欺诈率约 3.5%,交易表 393 个特征,身份表 41 个特征、144,234 条记录。欺诈方与正常交易共用 IP 地址、设备、商户,单笔独立观察时外观接近正常,团伙关联分布在账户与实体的连接上。漏判对应资金损失,误报对应人工审核量。
规则与统计方法适配固定模式。表格模型与卷积、循环、自编码器、生成对抗网络、Transformer 类模型均逐笔读取单行特征。GraphSAGE、图卷积网络(GCN)、图注意力网络(GAT)对邻域等权聚合;异构图注意力网络(HAN)、异构图 Transformer(HGT)区分实体类型,聚合仍未按邻居风险加权;CARE-GNN 以标签相似性度量与强化学习选择邻居,风险分未进入聚合环节。
Risk-Gated Heterogeneous Graph Neural Network(RGH-GNN)介入图表示学习环节。LightGBM 在交易级表格特征上输出欺诈概率,作为账户—交易边的边权;可学习的风险门控决定邻居消息的贡献度。
一、解决的问题
结论。 类别不平衡、伪装交易与异质结构三重约束下,关系型欺诈信号在邻域聚合中被稀释。
问题构成。
- 欺诈样本稀缺,模型倾向多数类,少数类表示难以学充分。
- 伪装:欺诈方与正常交易共享地址、邮箱、卡片,独立特征不足以区分。
- 异质结构:账户、交易、卡片、IP、商户各自的属性集合不同,表格结构无法表达。
重要性。 团伙欺诈的证据分布在实体之间的连接上,单笔字段不包含这部分信息。
此前卡点。 表格侧方法放弃关系建模;基础与异构图 GNN 引入关系结构,聚合时对正常邻居与欺诈邻居赋予相近权重,稀疏少数类场景下信号被邻域均值摊薄。
二、链路与指标
结论:链路依次由数据与特征工程、图构建、风险建模与表示学习、阈值决策、测试集评估五个环节组成;前两个环节不设独立分类指标,模型质量由后三个环节的五类指标衡量。
环节一:数据与特征工程
清洗、类别编码、金额对数变换、时间与行为间隔特征派生在此完成,按时间口径做防泄漏切分。以特征区分度与泄漏检查把关,不单独报告分类指标,质量由下游环节间接体现。
环节二:图构建
账户节点与交易节点分别持有各自的属性集合;共享地址、邮箱、卡片连成跨账户边,账户—交易边承载边权。不设独立分类指标,构图合理性由下游测试集表现间接体现。
环节三:风险建模与表示学习
表格打分器输出交易级欺诈概率,图模型完成多轮消息传递,得到交易节点表示。该环节的输出是表示本身,质量由下一环节的分类指标衡量。
环节四:阈值决策
两层 MLP 输出每条交易的欺诈概率,阈值在验证集上沿 PR 曲线选取,取使 F1 最大的点。判定口径在此固定,效果直接进入测试集指标。
环节五:测试集评估与指标定义
评估基于混淆矩阵,$\mathrm{TP}$ 为欺诈判为欺诈,$\mathrm{FP}$ 为正常判为欺诈,$\mathrm{TN}$ 为正常判为正常,$\mathrm{FN}$ 为欺诈漏判。该环节报告五类指标。
Precision(精确率)衡量被预警交易中真欺诈的比例:
$$P=\frac{\mathrm{TP}}{\mathrm{TP}+\mathrm{FP}}$$
Recall(查全率)衡量真欺诈被抓出的比例:
$$R=\frac{\mathrm{TP}}{\mathrm{TP}+\mathrm{FN}}$$
F1 为 Precision 与 Recall 的调和平均:
$$F_1=\frac{2PR}{P+R}$$
AUC-ROC 为 ROC 曲线下面积,横轴假阳性率 $\mathrm{FPR}=\mathrm{FP}/(\mathrm{FP}+\mathrm{TN})$,纵轴真阳性率 $R$,衡量不同阈值下的排序区分能力。AUC-PR 为 PR 曲线下面积,横轴 $R$,纵轴 $P$,在不平衡场景下直接反映少数类表现。
三、介入环节与受影响指标
结论:改动落在表示学习段的邻域聚合环节,并在图构建阶段把表格模型的风险概率写入边权;受影响最大的是少数类相关指标,依次为 AUC-PR、F1、Precision,Recall 次之,AUC-ROC 变动幅度较小。
LightGBM 在与 GNN 节点特征相互独立的表格特征上训练,对交易 $i$ 输出欺诈概率 $\hat p_i\in[0,1]$。账户—交易边取 $w_i=\hat p_i$,跨账户的共享地址、邮箱、卡片边权重为 1.0。消息传递时,边类型 $t$ 配可学习标量 $\phi_t$,有效边权为
$$\tilde w_e=w_e\cdot\sigma(\phi_t)$$
账户节点并行计算两路聚合:一路全部邻居的无权均值,一路风险门控加权均值,门控系数为
$$\alpha_{ji}=0.5+0.5,\sigma\bigl(g_a(\tilde w_{ji}-\tau)\bigr)$$
其中 $\tau=0.4$,$g_a=5.0$,门控下限为 0.5,低风险邻居仍保留部分贡献。两路表示与节点自身表示拼接后经线性变换更新。风险分只作为边权,不进入交易节点特征。
完整模型在测试集上的结果为 AUC-ROC 0.914,AUC-PR 0.631,F1 0.619,Precision 0.734,Recall 0.536。移除风险分、边权全部置 1.0 后,AUC-ROC 降至 0.885,AUC-PR 降至 0.399,F1 降至 0.414,Precision 降至 0.400,Recall 降至 0.432,AUC-PR、F1 与 Precision 下降幅度最大。移除门控聚合、保留风险加权均值后,AUC-ROC 为 0.912,AUC-PR 为 0.624,F1 为 0.616,Precision 为 0.726,Recall 为 0.535,各项指标变动较小。风险分边权是少数类识别与误报控制的主要来源,门控机制在保留邻域上下文的前提下压低噪声邻居的贡献。
参考文献
Haria, M., Sahayama, S., & Srinivasavarmaa, V. S. M. (2026). RGH-GNN: Risk-gated heterogeneous graph neural network for financial fraud detection. arXiv. https://arxiv.org/abs/2610.27107