爱奇艺风控团队负责公司全业务风险防控，面向业务提供通用与定制相结合的一站式解决方案，为业务赋能，加强业务核心竞争力。风控中台提供涵盖账户安全、会员安全、内容生态保护、拉新裂变反作弊、营销活动、金融支付等各个互联网风险场景的专属解决方案，已接入30+业务线，300+业务风险点。本论文由爱奇艺与南京大学共同完成，是双方产学研合作的一部分，旨在探索图神经网络在拉新裂变反作弊场景的应用。
在流量为王的时代，拉新裂变是各大互联网公司争夺新用户的重要手段。活动可观的用户奖励（现金、会员卡等），也使其成为黑灰产的重点攻击目标之一。为了保障活动效果及用户质量，高准召的风控也显得日益重要。
黑灰产通常采用模拟器、多开分身、改机、设备农场、代理IP、接码平台、众包平台等工具批量伪造新用户参与活动，将活动奖励据为己有。造成公司资金损失、业务关键指标下降、正常用户体验受损等多方面影响。针对此类攻击，业界已有一些较为成熟的防御模型：
• 频繁集检测（FP-Growth）：批量攻击往往会在设备、网络、时间、地点等维度或维度组合上出现大量聚集，此时频繁集检测是简单有效的检测与预警算法。
• 聚类/无监督：K-means、iForest等，一般提取行为特征后进行聚类或异常点检测，以找到行为相似异常聚集或异于正常行为的用户。具有较高的鲁棒性，但是准确率不易掌控。
• 有监督模型：LR、XGBoost等，提取手工特征，根据已知正负样本训练模型。准确率一般较高，但是泛化能力很差。
• 社区检测：Louvain、Fraudar、高密子图等，引入了关系信息，可提升对频繁换物料的攻击的识别能力，可以理解为频繁集检测的升级版，同时可以用于标签传播，提升召回。
• 图神经网络：GCN，GraphSage等，能够使特征信息在节点间传播，并发挥出神经网络对于特征的抽象能力，同时也支持只有部分标签进行半监督学习。
本文基于拉新裂变场景中普遍存在的关联数据（邀请关联、设备关联、网络关联等）以及业务场景特点，创新地提出了异构小图神经网络模型（HMGNN），进一步提升了对攻击的识别能力。
用户参加拉新活动，符合以下条件均可获得积分、奖品或现金：
• 老用户邀请新用户达到一定数量
• 用户参加各种激励活动（签到、下载、答题等）
一些典型的攻击方式包括：
• 伪造新设备：活动需通过设备id来判断新用户，通过模拟器、多开分身、改机、设备农场等，都可以伪装成新的设备，从而绕过一些简单的设备判新规则。
• 伪造新用户：活动需要通过手机号来验证新用户，通过虚拟小号、海外黑卡、私域黑卡等物料，辅助猫池、接码平台等工具，攻击者可以全自动化完成的手机号验证。
• IP：IP是经典的黑产与风控攻防维度，通过代理IP、秒拨IP等，可以绕过一些简单的IP策略。
拉新活动包含了大量的用户关系，因此使用图模型是一个非常自然的想法。直接将参与活动的用户作为图模型中的节点。用户间的邀请关系、设备共享关系、网络环境参数共享关系等信息，则构成了节点间的边。例如：用户A邀请了用户B和用户C，那么图中用户A和B、A和C之间则各有一条“邀请”边。同理，若用户B和C共用了同一个设备，那么图中B和C节点间则连接一条“设备”边。值得一提的是，本文中的图为无向图，因此无需考虑边的方向。此外，图中每个节点（即每个用户）都附带了人工提取的业务特征。根据一些置信的专家策略、设备特征、情报特征等信息，少量节点带有标注。当然，绝大多数节点并没有标注信息。
近年来，图神经网络（Graph Neural Network，后文简称GNN）在处理图结构数据的任务上取得了不错的成绩。与本文高度相关的两种GNNs，一种是图卷积神经网络（Graph Convolutional Netweork，后文简称GCN），一种是异构图神经网络（Heterogeneous GNNs）。前者擅长处理标注量少的图结构数据，不过不能区分不同类型的连接关系。后者善于处理异构图结构数据，不过需要针对特定的图结构设计表征聚合机制。直接使用现有的算法，在拉新场景中往往表现欠佳。此外，传统的有监督机器学习算法，在此类任务上也难以取得可观的效果。
总结起来主要有以下几个难点：
• 小图多：在我们的拉新裂变场景中，形成的图网络往往由很多小的子图构成，90%的子图包含的节点数在25个以下，整个图的连通性比较差。不利于图中信息的传递与共享。
• 异构图：从上面的构图方式可知，图中包含各种不同类型的连接关系。如：拉新关系、网络共享关系、设备共享关系等等。将所有连接关系同等对待，显然不是最优的（甚至可能是有害的）。而独立处理每种关系则可能存在信息缺失，因为大量小规模的图（不连通）难以反映全局的关联信息。
• 标注少：训练样本中有标注数据占比约为5.7%。我们使用了LR，XBGoost作为baseline模型，但由于样本较少、黑样本天然存在有偏性、未包含关联信息等原因，实验效果略差于我们提出的方法。
图1：（左图）展示了拉新反作弊任务同构图中存在的大量小规模子图；（中图）展示了一个由多种关系连接的异构子图，不同颜色的边代表不同的连接关系；（右图）展示了子图规模的分布情况。
为了解决上面提到的难点，我们提出了“异构小图神经网络”算法（Heterogeneous Mini-Graph Neural Network，后续简称HMGNN）。其中小图（mini-graph）指拉新场景中存在的大量小规模子图。HMGNN首先引入了“超点”的概念，将零散的小图连接起来，便于节点间的信息传递与共享；然后引入了注意力机制，以区别不同连接关系之间的重要性；最后，透传原始特征有效防止了梯度消失或爆炸。
零散的小图不利于图中节点间的信息共享，因此HMGNN在真实的节点和边的基础上，加入了“超点”（hyper-node）及更多的边构成超图（hyper-graph）。每个子图都会生成一个虚拟的超点，其特征向量是子图中所有的节点的特征向量的平均值。因此，超点可以看作整个子图的代表。
为了完成超图的构建，我们还需要新增两种边：超点和普通点之间的边、超点和超点之间的边。首先，将超点与所属子图中每个普通节点连接起来。这么做保证了信息传递的无偏性。然后，超点之间使用kNN算法，找到与每个超点最相似的k个超点，也建立起连接。这样，整个图的联通性就大大提升了，节点间的特征能得到更充分的传播，图2描述了超点的生成过程。
图2：超点的生成过程。图中展示三种类型的边，超点之间的边（红色）、普通点之间的边（灰色）、超点和普通点的边（绿色）。
我们在论文中证明了，上述过程构建的超图在很大概率是联通的。并且该过程可通过控制kNN算法的超参数k，控制超图的联通程度。
拉新场景的图结构包含多种边的关系，不同的关系的强弱、形成的拓扑结构、与标注的相关性等都不一样。于是HMGNN使用多种关系，建立了多个图，再利用注意力机制，把多个图的结果聚合起来。这样模型就能学习到不同关系图的权重。图3描述了注意力机制的引入方式。
在模型训练时，HMGNN在每个卷积层的输出中，加入了原始特征矩阵，一起作为下一卷积层的输入。这种类似于ResNet的做法，在使用较多卷积层的模型中，能够有效防止梯度消失或爆炸，在实际实验中也取得了更好的分类效果。图3也描述了原始特征的透传过程。
图3：HMGNN的整体架构。左边部分阐述了超点的生成过程。我们将不同子图的超点构成的特征矩阵，拼接到原始的特征矩阵上，作为神经网络的输入特征矩阵。中间和右边部分阐述了基于注意力机制的异构卷积过程。我们在每个卷积层透传了原始特征矩阵，防止梯度消失或爆炸。
在爱奇艺某业务的数据集上，我们对比了线性模型、树模型、图卷积模型和我们的HMGNN模型。下表展示实验数据，从各项指标来说，HMGNN都优于其他模型。
基于公开数据集Cora，我们对比了原始GCN模型与HMGNN的效果。从训练收敛速度和准确率来看，HMGNN都要优于GCN。
据我们所知，HMGNN是第一个尝试通过图神经网络对欺诈邀请进行检测的方法。在GCN和异构图神经网络的基础上，HMGNN使用超图和异构图卷积克服了小图和异构图带来的问题。并在实际拉新场景中取得了不错的效果。此外，我们也在尝试将其应用到更广阔的场景中，比如金融反欺诈、关注&点赞反作弊等问题。
HMGNN开源项目剔除了爱奇艺相关集成部分后，核心代码开源在GitHub上https://www.github.com/iqiyi/HMGNN。欢迎使用、报告Issues、提交 Pull-Request。
