基于异构链接转换的大规模图聚类欺诈检测

协同欺诈行为——多个欺诈账户协作利用在线支付系统中的漏洞——因其形成复杂网络结构而构成重大挑战。传统仅依赖高置信度身份链接的检测方法覆盖范围有限，而使用全部可用链接的方法常导致图被碎片化，聚类效果下降。本文提出一种新型图基欺诈检测框架，通过原则化的链接转换方法解决大规模异构图聚类的难题。该方法区分了硬链接(如电话号码、信用卡号和国民身份证等高置信度身份关系)和软链接(包括设备指纹、Cookie和IP地址等行为关联)。我们引入图转换技术，首先通过硬链接识别连通分支，将其合并为超节点，然后重构加权软链接图，以便高效嵌入和聚类。转换后的图使用LINE(大规模信息网络嵌入)进行表示学习，随后采用HDBSCAN(层次密度基于空间的聚类)进行密度聚类发现。实验在真实支付平台数据集上表明，我们的方法实现了显著的图规模压缩(从2500万节点降至770万节点)，相较于仅使用硬链接的基线方法将检测覆盖范围提升了一倍，且在识别出的欺诈聚类中保持高精度。该框架提供了面向工业级欺诈检测系统的可扩展且实用的解决方案。