面向基于图的欺诈检测的自主思维链蒸馏

针对文本属性图上的欺诈检测需联合建模文本语义与关系依赖的挑战，现有方法受限于预定义提示和分离训练，削弱了推理自主性。本文提出 FraudCoT 框架，通过自主的图感知思维链（CoT）推理与可扩展的 LLM-GNN 协同训练提升检测效果。引入欺诈感知的选择性 CoT 蒸馏机制，生成多样化推理路径以增强语义 - 结构理解，并将蒸馏后的 CoT 融入节点文本。此外，设计了高效的非对称协同训练策略，实现端到端优化并大幅降低计算成本。实验表明该方法在性能与效率上均显著优于现有技术。