随着大数据时代的到来,人们的隐私信息泄露愈发严重,电信诈骗也因此愈演愈烈。人们的每次通话都会产生用于记录原始通信信息的通信话单,传统的机器学习方法主要通过挖掘通信话单的统计信息,从而识别诈骗用户。但这种方法仅能孤立地利用用户的通信行为,不能充分挖掘通信话单中用户之间的关联信息。为了充分利用通信话单中含有的关联信息以识别诈骗用户,论文从用户通信话单中提取个人特征向量及用户之间的亲密度,构建通信图描述用户的通信行为。由于通信图属于非欧式空间结构,因此论文引入图卷积神经网络,用以预测用户的局部可信度。用户的局部可信度用以衡量短期的可信程度,而用户的全局可信度用以衡量长期的可信程度。此外,在不影响系统实时性的条件下,论文将迭代的思想引入到亲密度和全局可信度的计算过程,分别设计并实现了亲密度的迭代更新算法和全局可信度的迭代更新算法。论文以通信图模型和算法为基础,设计并实现了基于价值迭代的电信诈骗识别系统。首先,论文逐步分解了系统的功能性需求,并对非功能需求进行归纳。然后,阐述了面向电信诈骗的图卷积神经网络层、局部可信度预测模型、亲密度迭代更新算法和全局可信度迭代更新算法,并通过实验验证了模型的有效性。接着,论文围绕系统的功能性需求对系统进行详细设计与实现,并完成功能测试,验证系统的可用性,最后,对论文的关键内容进行总结和展望。