TRAVELFRAUDBENCH：用于旅行网络中图神经网络欺诈环检测的可配置评估框架
机器学习
2026-04-24 v1 人工智能
摘要
我们介绍TravelFraudBench（TFG），一个用于评估图神经网络（GNN）在旅行平台图中欺诈环检测的可配置基准。现有基准——YelpChi、Amazon-Fraud、Elliptic、PaySim——涵盖单一节点类型或领域通用模式，无法评估结构上不同欺诈环拓扑。TFG模拟了三种旅行特定环类型——票务欺诈（星形拓扑，带共享设备/IP聚类）、幽灵酒店方案（评价者与酒店的二分图 clique）、账户劫持环（忠诚度转移链）——构建于具有9种节点类型和12种边类型的异构图中。环的大小、数量、欺诈率、规模（500至200,000节点）及组成均可完全配置。我们在基于环的划分下评估了六种方法——MLP、GraphSAGE、RGCN-proj、HAN、RGCN和PC-GNN——其中每个环完全出现在一个分区中，消除归纳标签泄漏。GraphSAGE达到AUC=0.992，RGCN-proj AUC=0.987，超越MLP基线（AUC=0.938）提升5.5和5.0个百分点，证明图结构具有显著的判别性。HAN（AUC=0.935）为否定结果，与MLP基线相当。在环恢复任务中（≥80%的环成员同时被标记），GraphSAGE实现100%恢复，MLP仅恢复17-88%。边缘类型消除实验表明，设备和IP共现是主要信号：移除uses_device会使AUC下降5.2个百分点。TFG以开源Python软件包形式发布（MIT许可证），支持PyG、DGL和NetworkX导出，提供预生成数据集，地址为https://huggingface.co/datasets/bsajja7/travel-fraud-graphs，包含Croissant元数据及负责任AI字段。
引用
@article{arxiv.2604.21093,
title = {TRAVELFRAUDBENCH: A Configurable Evaluation Framework for GNN Fraud Ring Detection in Travel Networks},
author = {Bhavana Sajja},
journal= {arXiv preprint arXiv:2604.21093},
year = {2026}
}