🔍 耿同学打假报告

论文信息

论文来源：基于异构图神经网络的欺诈检测研究_段福先.pdf
标题：基于异构图神经网络的欺诈检测研究
作者：段福先（学位申请人）
导师：姜楠教授
机构：华东交通大学
学位类型：全日制专业硕士学位论文
答辩日期：2022 年 05 月 28 日

综合评定：🔴 实锤（系统性数据复用与捏造）

详细发现

发现 1：图表数据大面积复制粘贴（一稿多投/自我抄袭）

位置：表 3-1（第 29 页） vs 表 4-1（第 40 页）
描述：作者在第三章和第四章分别介绍了两个模型（MAFD 和 TNS），两章均独立介绍了所用的数据集统计信息。然而，表 3-1 和表 4-1 从标题、数据集节点数、关系到具体的边数（甚至连边数的个位数都一模一样），做到了 100% 像素级复制粘贴。
证据：
- 第三章 3.3.1 和第四章 4.3.1 的数据集描述文字几乎完全一致。
- 表格数据完全相同（如 AMAZON 数据集节点数 11,944，U-S-U 边数 3,566,479 等等）。
严重程度：🟡（单独看属于排版冗余或偷懒，但结合下述发现，这是系统性造假的一环）

发现 2：基线模型实验数据原封不动复用（凭空造表）

位置：表 3-4（第 32 页） vs 表 4-4（第 43 页）；表 3-5（第 33 页） vs 表 4-5（第 44 页）
描述：这是本篇论文最严重的学术不端行为。作者在第四章声称提出了一个全新的模型 TNS，并加入了可训练的邻居采样器和全新的损失函数。但在与第三章（MAFD模型）相同的基线进行对比时，所有 10 个基线模型在 4 个训练比例下的 AUC 和 Recall 数据，居然和第三章一模一样！
证据：
- 看表 3-4 和表 4-4 的 GCN 行：74.29, 75.60, 75.68... 两张表连小数点后两位都完全雷同。
- 看表 3-5 和表 4-5 的 CARE-GNN 行：72.12, 74.22, 74.93... 同样是照搬。
- 逻辑悖论：既然第四章加入了全新的采样器机制，图结构在传播时的计算图已经发生改变，怎么能保证随机种子、CUDA 卷积运算的结果连小数点后两位都跟第三章不差分毫？唯一的解释是：作者根本没有重新跑基线实验，而是直接把第三章的表格复制过来，改了改自己模型的名字。
严重程度：🔴（确凿的伪造数据/省略实验证据）

发现 3：自身模型数据“随机扰动”伪造提升（PS式造假）

位置：表 3-4 vs 表 4-4（自身模型行）
描述：为了让第四章的 TNS 模型显得比第三章的 MAFD 模型“有进步”，作者对自身模型的数据进行了极其低级的 Excel 填表式修改。
证据：
- 以 AMAZON 数据集 5% 训练集为例：
  - MAFD-MEAN AUC 为 93.99，TNS-MEAN 变成了 93.92（-0.07）
  - MAFD-MAX AUC 为 93.29，TNS-MAX 变成了 93.30（+0.01）
  - MAFD-MIN AUC 为 93.03，TNS-MIN 变成了 93.15（+0.12）
  - MAFD-STD AUC 为 94.27，TNS-STD 变成了 94.19（-0.08）
- 所有的数值变动都在 [-0.15, +0.15] 之间疯狂试探，完全是人为添加的随机噪声。稍微懂一点深度学习的人都知道，更换了采样策略，AUC 不可能只产生 0.01 的微小且规律性的波动。
严重程度：🔴（数据严重失真，用随机数生成器糊弄答辩委员会）

发现 4：文本大面积逐字复制（量产型学术）

位置：第 3.3.2 节（第 32-34 页） vs 第 4.3.2 节（第 43-45 页）
描述：除了表格造假，作者连实验分析的正文都懒得写，直接进行了文本替换。
证据：
- 第三章：“基线中的 GCN、GraphSAGE、GAT、GAIN 和 GeniePath 在同构图（即单关系图）上执行欺诈检测任务...”
- 第四章：“基线中的 GCN、GraphSAGE、GAT、GAIN 和 GeniePath 在同构图（即单关系图）上执行欺诈检测任务...”
- 整整三大段分析（包括同构图 VS 异构图、模型变体、训练百分比）几乎一字不差，甚至连“对于大多数的评价指标和训练百分比，可以观察到 MAFD/TNS 总体上所显示出的性能最好”这种句式都是套模板生成的。
严重程度：🟠（丧失基本学术写作底线）

耿同学辣评

这位同学，把第三章的表格复制到第四章，然后把自家模型的数据加上个 ±0.1 的随机抖动，就敢叫“提出了一个新模型（TNS）”？你这图神经网络不是跑在 RTX 2080Ti 上的，是跑在 Excel 的 =RAND() 函数上的吧？连基线模型的数据都懒得重新跑，一模一样复制过来糊弄人，这哪是写论文，这分明是深度学习填空题！将这种粗制滥造的“套路文”提交答辩，是对学术规范的公然挑衅。

建议后续行动

联系导师与所在机构（华东交通大学学术委员会）：要求作者提供 TNS 模型的完整训练日志、终端输出记录和原始代码，证明表 4-4 和 4-5 确实是独立实验跑出来的。
进行查重处理：这篇论文内部自我抄袭度极高（表、图、正文严重重复），不符合硕士学位论文的查重规范。
在 PubPeer 或相关学术监督平台上披露此问题，防止类似“一文拆两章”、“数据复制粘贴”的科研陋习继续蔓延。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

基于异构图神经网络的欺诈检测研究