随着互联网和金融的不断融合与发展,衍生出了互联网理财、移动支付等各种产品,拉近了人们与金融之间的距离。同时,也产生了大量的金融欺诈行为,给人们和金融机构造成了巨大的经济损失。通过在线欺诈检测技术可以快速、有效地防止欺诈交易,减少损失。在实际应用中,欺诈检测需要满足实时性、高效性、稳定性和可解释性。为了满足以上需求,目前工业界通常先使用流处理技术计算历史交易数据以得到累积特征,再使用分类算法训练以获得检测模型。而随着图理论的不断发展,图算法在欺诈检测领域发挥了越来越重要的作用。本文先介绍了立论的相关背景与意义,同时介绍了目前领域的研究现状。之后详细阐述了图数据库、社区发现算法、Spark分布式计算框架和随机森林算法等相关技术。本文在交易数据集上使用Neo4j图数据库来实时获取图结构特征,并使用图并行计算技术实现了Louvain和BMLPA两种算法来获取社区特征。通过将图结构特征和社区特征引入到分类算法中,提高了模型的检测效果。本文的主要贡献有:1)提出了在工业界常用特征的基础上引入图结构特征与社区特征的方法论,通过在真实交易数据集上的大量实验,验证了此方法显著提升了模型欺诈检测的效果;2)在GraphX分布式图计算框架下实现了社区发现算法的并行化,并将其应用于交易数据集来获取社区特征;3)设计并实现了基于图数据库实时抽取图结构特征的方法,并易与工业界现有方法结合。