一张图看懂图神经网络反欺诈前沿论文与资源
这是一个精选的图神经网络与Transformer在欺诈检测、异常检测和离群点检测领域的论文与资源列表。项目系统整理了基于图结构（如GNN、Graph Transformer）的欺诈检测方法，涵盖金融反欺诈、社交网络虚假账户识别、推荐系统恶意行为检测等场景。它按任务类型（节点级、边级、图级）、方法类别（监督、半监督、无监督）以及应用领域对论文进行分类，并收录了相关数据集、代码实现和基准测试。该列表解决了该领域研究分散、入门门槛高的问题，为研究人员和工程师提供了从理论到实践的导航图。核心价值在于其结构化的知识梳理和持续更新的资源聚合，帮助用户快速定位特定方向的前沿工作，并了解技术演进脉络。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1打开在线论文面板
README 提供了交互式面板，可直接在浏览器中查看、筛选和搜索收录的论文，无需任何安装。
2克隆论文列表仓库
把资源仓库下载到本地，方便离线阅读 README 中的论文分类目录和历年论文清单。
git clone https://github.com/safe-graph/graph-fraud-detection-papers.git3浏览论文分类目录
打开仓库 README，按 LLM/Transformer 论文与各年份深度学习图论文的分类链接逐项查阅。
4部署 RAG 聊天机器人
README 提到一个本地 RAG LLM 聊天机器人，需要克隆其独立仓库并按该仓库 README 的说明部署使用。
git clone https://github.com/YingtongDou/paper_chatbot.git浏览器打开官方 dashboard 链接能正常筛选、搜索论文，或本地克隆后 README 的分类目录显示完整，即表示可用。
Q：这个项目能直接安装运行吗？
A：它是一份论文与资源清单，不是可执行软件，无需安装；直接浏览 GitHub 仓库或在线面板即可。
Q：如何快速查找某方向的论文？
A：使用 README 中给出的交互式 dashboard，可按标题、年份和主题筛选搜索 250 余篇论文。
Q：本地 LLM 聊天机器人怎么部署？
A：它属于独立的 paper_chatbot 仓库，请克隆后参照该项目的 README 步骤自行部署。
Q：可以补充自己的论文吗？
A：README 标注 PRs welcome，可通过提交 Pull Request 向列表补充相关论文或资源。
awesome-graph-classification、Awesome-Graph-Neural-Networks、AnomalyDetectionPapers
graph-fraud-detection-papers 是数据集领域的开源项目，由 safe-graph 开发，2019 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,897）位列前 30%，在数据集分类中处于中上游。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-19。完全免费，无付费版本。
它主要面向的使用场景是：科研入门：快速了解图欺诈检测领域的研究脉络和热点。同类可对比的替代方案包括 awesome-graph-classification、Awesome-Graph-Neural-Networks、AnomalyDetectionPaper…。
上一篇：DataDesigner
下一篇：curator
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models