1.一种基于大数据的消费金融领域欺诈检测方法，其特征在于，包括：

S1、获取金融交易数据和用户个人数据，并构建金融交易图GF和交易用户交际图GU；

所述金融交易数据包括：交易时间、交易方式、交易金额、交易者、交易之前的账户余额、交易之后的账户余额、交易的接收方，交易之前交易接收方的账户余额、交易之后交易接收方的账户余额；

所述用户个人数据包括：性别、年龄、好友列表；

S2、对于每次金融交易，分别从图GF和图GU中拆分出交易用户所在的金融交易子图Gf以及该用户对应的用户交际子图Gu，使用图注意力网络GAT对金融交易子图Gf和用户交际子图Gu进行特征提取，得到金融交易特征向量f和用户向量u。

S3、采用稀疏交叉注意力机制对金融交易特征向量f和用户向量u进行特征融合，得到融合特征向量H，将融合特征向量H输入前馈神经网络进行二分类，预测此次交易是否为欺诈交易。

2.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，构建金融交易图GF和交易用户交际图GU，包括：S11：将金融交易数据中的交易者和交易接收方作为图节点VF，将金融交易数据中的其他数据作为节点的维度特征向量，图节点VF之间的参与交易的行为作为图的边EF，得到金融交易图GF(VF，EF)。

S12：根据用户个人数据中的好友列表，构建交易用户交际图GU(VU，EU)，图中的每一个节点VU都表示一个用户，EU表示图GU中两个节点之间连接的边，用户个人数据中的其他数据作为节点VU的维度特征向量。

3.根据权利要求2所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，所述图节点VF，包括：其中，m为金融数据的特征列数， 表示用户的第i个金融数据特征值。

4.根据权利要求2所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，所述图节点VU，包括：其中，n为用户个人数据的特征列数， 表示用户的第i个用户数据特征值。

5.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，从图GF和图GU中拆分出交易用户所在的金融交易子图Gf以及该用户对应的用户交际子图Gu，包括：对于每次金融交易中的涉及的金融用户，分别找到该用户在图GF和图GU中对应的节点，提取出该节点周围路径为r的所有节点，构成子图Gf和Gu。

6.根据权利要求5所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，路径r的确定，包括：其中，N表示图中节点的数量，Vk表示图中第k个节点，Degree(Vk)表示第k个节点的度数。

7.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，使用图注意力网络GAT对金融交易子图Gf和用户交际子图Gu进行特征提取，得到金融交易特征向量f和用户向量u，包括：S21：对图Gf中的每个节点VF，计算与其所有相邻节点之间注意力系数，将相邻节点的特征向量加权求和来更新节点VF本身的特征向量，最终得到节点VF的特征向量F；

S22：将图Gf中每个节点的特征向量进行拼接，得到交易特征向量f，维度为a×|VF|，其中，a表示图Gf中节点的数量；

S23：重复步骤S21‑S22进行提取用户向量u，维度为b×|VF|，其中，b表示图Gu中的节点数量。

8.根据权利要求7所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，对图Gf中的每个节点VF，计算与其所有相邻节点之间注意力系数，将相邻节点的特征向量加权求和来更新节点VF本身的特征向量，最终得到节点VF的特征向量F，包括：其中，F表示节点VF的特征向量，σ()表示Sigmoid激活函数，hi、hj、hk分别表示图Gf中任意三个不相同的节点i、j、k的维度特征向量，维度为|VF|，W1、W2分别表示维度为1×|VF|的第一、第二特征转换矩阵， 表示图Gf中第i个节点的邻接节点集合。

9.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，采用稀疏交叉注意力机制对金融交易特征向量f和用户向量u进行特征融合，得到融合特征向量H，包括：T T

H＝Softmax(Sample(fWQ×(uWK))×(uWK))uWV其中，H表示融合特征向量，WQ、WK、WV分别表示维度分别为|VF|×128、|VU|×128、|VU|×T

128的查询向量矩阵、键向量矩阵、值向量矩阵，Sample()表示对fWQ×(uWK) 得到的矩阵进行采样，f表示金融交易特征向量，u表示用户向量，T表示矩阵转置。

10.根据权利要求1所述的一种基于大数据的消费金融领域欺诈检测方法，其特征在于，将融合特征向量H输入前馈神经网络进行二分类，预测此次交易是否为欺诈交易，包括：Output＝argmax(WoutH)

其中，Output表示前馈神经网络输出的二分类预测结果，Output＝0表示此次交易不是欺诈交易，Output＝1表示此次交易属于欺诈交易；Wout表示维度为128×2的融合特征转换矩阵，WoutH表示将特征向量H映射为一维向量，argmax()表示argmax函数。