MM-FGDNet 是一种面向大规模直播电商环境的多模态异常行为检测框架，分别从时间演化和群体结构两个视角建模。跨模态时间对齐模块将视频、文本、音频和用户行为映射到统一的时间语义空间，实现不同模态的同步表示。时间欺诈模式模块捕获从微弱早期信号到突发爆发的演进过程，利用递归神经网络或注意力机制建模信号强度随时间的变化。协同操纵模块通过图神经网络刻画组织化用户组和机器人账号之间的协同交互，识别潜在的协调行为。实验在真实的多平台直播电商数据上进行，MM-FGDNet 的 AUC 达到 0.927，F1 为 0.847，精确率 0.861，召回率 0.834，提前检测得分 0.689，显著降低误报。消融实验表明每个模块均对性能有贡献，跨域实验验证了模型对新主播、商品类别和平台的稳健迁移能力。整体结果表明，MM-FGDNet 能够提供高效、可扩展的主动检测方案，帮助平台提前发现并遏制协同异常行为。
点评