2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論