本文介绍了CaT-GNN，一种用于信用卡欺诈检测的新方法。通过因果不变性学习揭示交易数据的内在关系，并识别事务图中的因果节点，提高模型的鲁棒性和可解释性。实验表明，CaT-GNN在多个数据集上表现优于现有方法，展示了因果推理与图神经网络结合的潜力。