一种基于图神经网络的电信诈骗识别方法*

张杰俊 ，唐颖淳 ，季述郧 ，李静林

（1.中国电信股份有限公司上海分公司，上海 200041；2.北京邮电大学 网络与交换技术国家重点实验室，北京 100876）

0 引言

随着信息社会的发展，电信欺诈高发，但由于通信关系的复杂性和不确定性，电信欺诈检测成为了一个十分困难的问题。

传统电信欺诈检测技术主要基于用户属性和通话记录来获得用户行为样本，再通过SVM、LGB 等机器学习方法学习行为特征[1-2]。这些方法主要使用短时间的行为统计进行分类，往往会出现时间尺度特征不足的问题。同时，由于用户通话行为的复杂性，以固定窗口的统计特征作为诈骗电话的统计依据[3-4]，容易受到长期行为变化影响，分类效果差。

由于通信是一种社交行为，通信社交网络包含丰富的关系信息，通过社交网络能成功捕获用户的相关性，如两个人的社交网络重叠程度与其联系强度相关，即彼此认识的普通用户可能会有共同好友[5-6]。而电信诈骗分子并不了解用户社交特征，电信诈骗号码与被骗号码之间难以存在共享社交节点。同时不同用户的社交关系存在不同的节点数量、节点度数、节点k-core 值、Page Rank 得分等[7-8]，使得其社交网络拓扑并不相同。基于这一思路，可以利用通信社交网络分析方法进行诈骗检测[9]。

本文提出了基于图神经网络（Graph Neural Network，GNN）的通信社交检测方法。该方法建立了一种端到端学习GNN 模型，该模型基于游走采样和节点融合策略动态构建计算图，之后通过节点卷积算子和关系边卷积算子的混合算法基于计算图实现图卷积（Graph Convolution Network，GCN）[10]进行信息融合，最后引入均值池化读出机制，聚合来自不同节点范围的信息，并最终实现分类表示。……