LLM 能否发现欺诈分子？基于多层级 LLM 的图结构欺诈检测
机器学习
2025-10-03 v2 人工智能
摘要
图结构欺诈检测因图神经网络（GNN）在建模多模态数据中的复杂关系方面的有效性而引起广泛关注。然而，现有的图结构欺诈检测方法通常使用预处理的节点嵌入和预定义的图结构来揭示欺诈分子，这些方法忽略了来自原始文本信息中所蕴含的丰富语义线索。尽管大语言模型（LLM）在处理文本信息方面表现出强大的能力，但将已处理的文本嵌入与图结构进行多模态融合以进行欺诈检测仍是一个重大挑战。本文提出了一个多层级 LLM 增强图结构欺诈检测框架，称为 MLED。在 MLED 中，我们利用 LLM 从文本信息中提取外部知识，以增强图结构欺诈检测方法。为将 LLM 与图结构信息集成并增强识别欺诈分子的能力，我们设计了一个多层级 LLM 增强框架，包括类型层级增强器和关系层级增强器。一个用于增强欺诈分子与良性实体之间的差异，另一个用于增强不同关系中欺诈分子的重要性。四个真实数据集上的实验表明，MLED 以通用的框架形式实现了图结构欺诈检测的领先性能，可应用于现有方法。
引用
@article{arxiv.2507.11997,
title = {Can LLMs Find Fraudsters? Multi-level LLM Enhanced Graph Fraud Detection},
author = {Tairan Huang and Yili Wang and Qiutong Li and Changlong He and Jianliang Gao},
journal= {arXiv preprint arXiv:2507.11997},
year = {2025}
}
备注
Accepted by ACM MM 2025