基于圖模型的C2C電子商務欺詐行為檢測研究.pdf

1、C2C電子商務作為電子商務的重要模式之一,已經越來越被消費者所青睞。目前在線信譽系統(tǒng)已經被大多數C2C電子商務交易平臺所采用。在線信譽系統(tǒng)是根據用戶歷史交易的評價來計算用戶當前的信譽值,而用戶的信譽值與用戶的可信程度成正比。在線信譽系統(tǒng)在一定程度上解決了C2C電子商務中的信任問題,但并不能夠很好地識別C2C電子商務中的欺詐行為。C2C電子商務中的惡意用戶通過一定的方法提高其信譽值,偽裝為可信度比較高的用戶后,采取欺詐行為,使其他用戶遭受

2、損失。欺詐行為已經成為限制C2C電子商務發(fā)展的因素之一。
　　本文將C2C電子商務用戶角色分為欺詐者、同謀者、偽同謀者和誠實者四種角色,提出一種三階段檢測算法。第一階段建立用戶社會網絡混合圖,第二階段采用貝葉斯網絡技術對C2C電子商務中欺詐行為檢測,第三階段運用馬爾可夫隨機場技術對C2C電子商務中欺詐行為的理論與技術進行了分析和研究。
　　通過人工識別和第三方交易平臺定期公布黑名單的機制,可以得到部分黑白名單用戶。在黑白名單

3、用戶達到一定數量時,通過運用貝葉斯網絡技術來達到C2C電子商務用戶角色預測的目的。首先,建立用戶社會網絡混合圖,從用戶評價相關的屬性、用戶價格相關的屬性和用戶社會網絡相關的屬性中選出部分屬性作為貝葉斯網絡中的變量。其次,使用完備集下的貝葉斯網絡學習方法,構建了C2C電子商務貝葉斯網絡。然后,運用該貝葉斯網絡對C2C電子商務用戶角色進行判定,并標記出不誠實用戶,來達到欺詐檢測的目的。最后,實驗結果表明,用三類屬性一起構建的貝葉斯網絡在用戶

4、角色識別準確率上要明顯高于單獨使用用戶評價相關的屬性、用戶價格相關的屬性和用戶社會網絡相關的屬性構建的貝葉斯網絡。
　　獲取大量黑白名單是一件艱難而又復雜的工作,但獲取少量黑白名單是能夠容易實現(xiàn)的。本文提出將用戶社會網絡混合圖和馬爾可夫隨機場技術相結合的欺詐檢測方法,來達到在少量黑白名單情況下的用戶角色預測目的。首先,利用用戶交易圖和用戶社交圖來構建用戶社會網絡混合圖。其次,使用用戶相似性度量來進一步擴大黑白名單。然后,運用馬爾可