当前,在巨大经济利益的驱动下,电信诈骗已经成为高度专业化、分工明确的黑色产业链,欺诈分子从多源头、多渠道实施诈骗,模式复杂多变,行为模糊隐蔽,技术持续升级,强度不断加大。据公安部统计,2010年以来,电信诈骗报案数以每年30%的速度爆炸性增长,同时大量未报案的小额诈骗案件频频发生。特别是各种新型电信诈骗,隐匿性强,成功率高,对居民个人财产以及整个社会都构成严重威胁。因此提升对新型诈骗的检测能力是当前反欺诈技术面临的难题。经过对新型诈骗样本的反复研究,本文提出了基于图嵌入的电信欺诈检测方法,用来挖掘诈骗分子与用户间通话关联图的潜在特征。首先,本方法基于属性图嵌入,不仅保存网络结构信息,而且融入针对通话行为提取的节点统计特征,目的是将节点表示成低维向量。其次,本方法属于半监督学习,在监督部分会预测对应的标签,在无监督部分去预测节点上下文向量,两者共享参数,同时对模型进行优化。最后,针对电信网络的弱关联问题,本文提出了基于带权随机游走上下文采样方法,并改进了目标函数,显著提升了对新型电信欺诈的检测能力。基于算法的整个流程,本文还设计了对应的基于图嵌入的电信欺诈检测系统,包括基础的数据处理平台,核心的算法平台和对应的应用平台。为了验证模型的效果,分别在现网真实数据集和两个仿真数据集上进行了实验,包括节点分类任务和链接预测任务,准确度都得到了显著提升,证明了本文提出的图嵌入算法在反电信欺诈方面的突出效果。