基于 LLM 与 GCN 框架的电商平台在线支付交易欺诈检测与风险评估
计算工程、金融与科学
2025-09-15 v1
摘要
随着电子商务的快速发展，在线支付欺诈日益复杂，对金融安全和消费者信任构成严重威胁。传统检测方法通常难以捕捉交易数据中固有的复杂关系结构。本研究提出了一种结合大语言模型（LLM）与图卷积网络（GCN）的新型欺诈检测框架，以有效识别电子商务在线支付交易中的欺诈活动。数据集包含在 14 天内从 Amazon 等主要平台收集的 2,840,000 笔交易，涉及约 2,000 名美国消费者和 30 家商户。由于欺诈实例不到 6000 例，该数据集代表了一种高度不平衡的场景。将消费者和商户建模为节点，交易建模为边以形成异构图，在此基础上应用 GCN 来学习复杂的行为模式。通过 GPT-4o 和 Tabformer 提取的语义特征与结构特征相整合，以增强检测性能。实验结果表明，所提出的模型达到了 0.98 的准确率，在欺诈检测中有效平衡了精确率和灵敏度。该框架为保障在线支付环境提供了可扩展的实时解决方案，并为在金融欺诈防范中应用基于图的深度学习提供了有前景的方向。
引用
@article{arxiv.2509.09928,
title = {Fraud detection and risk assessment of online payment transactions on e-commerce platforms based on LLM and GCN frameworks},
author = {RuiHan Luo and Nanxi Wang and Xiaotong Zhu},
journal= {arXiv preprint arXiv:2509.09928},
year = {2025}
}