基于共同交易行為的在線交易欺詐檢測模型研究.pdf

1、隨著在線交易的快速發(fā)展,在線交易欺詐已經(jīng)越來越普遍,欺詐方式從傳統(tǒng)的團伙欺詐發(fā)展成平臺欺詐。在平臺欺詐方式中,由于欺詐者廣泛的分布在網(wǎng)絡各地,他們之間并不會形成明顯的欺詐團伙,所以目前流行的團伙欺詐檢測模型并不能夠很好的發(fā)現(xiàn)平臺欺詐者。本文主要提取用戶共同交易行為特征屬性,并結(jié)合社交網(wǎng)絡分析和用戶特征屬性,提出了針對平臺欺詐方式的檢測模型。具體研究內(nèi)容如下:
　　首先,通過對平臺欺詐中用戶交易行為的分析與研究,提出了反轉(zhuǎn)圖和同盟對

2、累積交易數(shù),得到用戶有關共同交易行為的特征屬性。對上述特征屬性進行分析,提出合理的屬性值度量方法,并且設計并行算法用于計算特征屬性值。
　　然后,本文選取和設計了一些用戶圖級別的重要特征屬性,反映用戶在交易圖中的誠信度和緊密度。通過對交易圖進行社交網(wǎng)絡分析來獲得這些特征屬性,考慮到交易圖中海量的用戶和交易,同樣對特征屬性值的計算設計了并行算法。文中還提出了一些用戶級別的重要特征屬性,并對這些特征屬性進行了分析。受平臺和數(shù)據(jù)集的限制

3、,本文無法獲取全部的用戶級特征屬性。最終的特征屬性集包含了共同交易行為特征屬性、圖級別特征屬性和用戶級別特征屬性。
　　最后,本文設計了合理的欺詐檢測模型,基于時間特性選取最優(yōu)的數(shù)據(jù)集。針對類別不平衡分類問題和算法并行可行性問題,最終選擇隨機森林作為欺詐檢測模型的分類算法。通過對比實驗說明了選擇基于時間特性的最優(yōu)數(shù)據(jù)集和用戶共同交易行為的特征屬性能夠提高檢測性能,使用隨機森林作為分類算法能夠取得相對較優(yōu)的性能。同時,通過實驗將本文