计算机应用

作者：林金娇, 张灿舜, 陈淑娅, 王天鑫, 连剑, 徐庸辉

单位：1.山东财经大学 管理科学与工程学院，济南 250014；2.山东管理学院 智能工程学院，济南 250000；3.山东大学—南洋理工大学 人工智能国际联合研究院，济南 250101

关键词：车险欺诈检测,图神经网络,图注意力机制,序列化,深度学习

基金：国家自然科学基金资助项目(62202279);山东财经大学“数智赋能·交叉融合”本科生课程立项建设项目（金融数据采集与处理）

针对现有车险欺诈检测方法忽略数据中复杂关联关系的问题，提出一种基于改进图注意力网络的车险欺诈检测方法。该方法通过动态注意力机制与序列化全局建模的协同设计，增强数据中复杂关联关系的捕捉能力。首先，将车险欺诈的每一起案件抽象为图结构的节点；其次，通过K近邻（KNN）算法计算节点的时间、年龄以及金额等多重属性间的相似性，从而构建案件之间的复杂关联关系；再次，将案件的图数据输入GATv2（dynamic Graph ATtention network），并动态分配节点权重以聚合邻接节点的局部特征，从而得到每个案件节点的新特征表示；继次，引入Transformer对GATv2的图结构输出进行序列化处理；最后，由融合模块对最终特征进行非线性整合表达，从而得到案件节点的分类结果。实验结果表明：所提方法在两个数据集上的准确率较基线方法分别至少提升了1.11和1.34个百分点，而在保险公司数据集上的误警率（FPR）低至0.035%，为提高车险欺诈检测的准确性与效率提供了新的技术方案。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期