用于金融欺诈检测的图神经网络：综述
统计金融
2025-10-09 v2 机器学习
摘要
由于全球经济一体化和信息技术的进步，金融交易的格局日益复杂。这种复杂性给欺诈检测和管理带来了更大的挑战。本综述探讨了图神经网络(GNNs)在应对这些挑战中的作用，提出了一个统一的框架，对现有的应用于金融欺诈检测的GNN方法进行分类。具体而言，通过审视一系列详细的研究问题，本综述深入探讨了GNNs在金融欺诈检测中的适用性、其在现实场景中的部署以及增强其有效性的设计考量。本综述揭示，GNNs极其擅长捕捉金融网络中的复杂关系模式和动态，显著优于传统欺诈检测方法。与以往往往忽视GNNs特定潜力或仅肤浅地涉及它们的综述不同，本综述提供了全面、结构化的分析，独特地聚焦于GNNs在金融欺诈检测中的多方面应用和部署。本综述不仅突出了GNNs改进欺诈检测机制的潜力，还识别了当前的空白并概述了未来研究方向以增强其在金融系统中的部署。通过对100多项研究的结构化综述，本综述论文为理解GNN在金融欺诈检测中的应用做出了贡献，提供了对其适应性和潜在集成策略的见解。
引用
@article{arxiv.2411.05815,
title = {Graph Neural Networks for Financial Fraud Detection: A Review},
author = {Dawei Cheng and Yao Zou and Sheng Xiang and Changjun Jiang},
journal= {arXiv preprint arXiv:2411.05815},
year = {2025}
}
备注
17 Pages, 2 Figures