基于归纳图神经网络的电商非侵入性图构图机器人检测
机器学习
2026-02-19 v6
摘要
恶意机器人正通过抓取数据、囤积库存和实施欺诈等方式构成对电商平台日益增长的威胁。传统的机器人缓解技术，包括 IP 黑名单和 CAPTCHA 挑战，正变得日益无效或侵入性，因为现代机器人正利用代理、机器人网络和 AI 辅助的规避策略。本工作提出一种面向电商的非侵入性基于图的机器人检测框架，该框架通过图表示建模用户会话行为，并应用归纳图神经网络进行分类。该方法捕获了关系结构和行为语义，使其能够准确识别那些规避特征方法的微妙自动化活动。在真实世界的电商流量上进行的实验表明，所提出的归纳图模型在 AUC 和 F1 分数方面优于强大的会话级别多层感知器基线。此外，针对对抗性扰动和冷启动情景的模拟表明，该模型在适度的图修改下保持稳健性，并能有效地针对以前未见过的会话和 URL 进行泛化。该框架部署友好，能够无需客户端侧仪器即可集成到现有系统中，并支持实时推理和增量更新，适用于实际的电商安全部署。
引用
@article{arxiv.2601.22579,
title = {Non-Intrusive Graph-Based Bot Detection for E-Commerce Using Inductive Graph Neural Networks},
author = {Sichen Zhao and Zhiming Xue and Yalun Qi and Xianling Zeng and Zihan Yu},
journal= {arXiv preprint arXiv:2601.22579},
year = {2026}
}