본 논문은 멀티모달 데이터 내 복잡한 관계를 모델링하는 데 효과적인 Graph Neural Networks (GNN)을 활용한 그래프 사기 탐지에 대한 연구를 제시합니다. 특히, 기존의 그래프 사기 탐지 방법이 텍스트 정보의 풍부한 의미적 단서를 무시한다는 점을 지적하며, 대규모 언어 모델(LLM)을 활용하여 텍스트 정보를 처리하고 그래프 구조와 융합하는 새로운 프레임워크인 MLED를 제안합니다. MLED는 LLM을 사용하여 텍스트 정보에서 외부 지식을 추출하여 그래프 사기 탐지 방법을 개선하며, 사기꾼과 정상 개체 간의 차이점을 강화하고 다양한 관계에서 사기꾼의 중요성을 강조하기 위해 type-level enhancer와 relation-level enhancer를 포함한 multi-level LLM 기반 프레임워크를 설계했습니다. 실험 결과, MLED는 네 개의 실제 데이터셋에서 기존 방법들을 능가하는 최고 성능을 달성했습니다.
