基于分類技術(shù)的電子支付平臺(tái)作弊財(cái)戶的識(shí)別模型研究.pdf

1、隨著電子支付平臺(tái)交易量、虛擬貨幣的發(fā)行和流通量越來(lái)越大，涉及的賬戶越來(lái)越多，導(dǎo)致沉淀資金、洗錢、套現(xiàn)、作弊等信用問(wèn)題愈加突出，已逐漸成為制約電子商務(wù)發(fā)展的最大瓶頸。由于信用違約的行為形式多樣，技術(shù)手段高明而隱蔽，具有很大的差異性和與時(shí)俱進(jìn)。目前電子支付公司采用一系列的安全產(chǎn)品更多的是防范，而缺少主動(dòng)出擊，單靠經(jīng)驗(yàn)和人工審核辦法還很難以捕捉。因此，電子支付公司需要加強(qiáng)技術(shù)，主動(dòng)有效地防范和化解信用風(fēng)險(xiǎn)，提高企業(yè)信用甄別與風(fēng)險(xiǎn)管理的水平和能

2、力。
　　 本文從“作弊用戶希望用較少的錢、短時(shí)間把信譽(yù)提高”的心理角度考慮，給出了作弊賬戶定義，并對(duì)作弊賬戶和正常賬戶相比更具有批量注冊(cè)、交易金額非常低、交易的時(shí)間非常集中等特點(diǎn)。
　　 針對(duì)作弊帳戶識(shí)別問(wèn)題，Lach(1999)指出可以利用數(shù)據(jù)挖掘中基于ID3和C4.5的樹分類技術(shù)識(shí)別和理解的作弊行為模式，定位高作弊嫌疑的賬戶，縮小范圍后再通過(guò)人工審核，從而較精確捕捉到作弊賬戶。并基于一電子商務(wù)公司作弊的簡(jiǎn)單實(shí)例數(shù)據(jù)

3、，利用樹算法ID3(Mitchell，1997)和C4.5(Quinlan，1993)，建立識(shí)別模型。雖然ID3和C4.5算法對(duì)訓(xùn)練樣本集的學(xué)習(xí)中盡可能多地挖掘信息，但生成樹分枝較多，規(guī)模較大。為了簡(jiǎn)化樹算法，提高效率，又出現(xiàn)了根據(jù)GINI系數(shù)作為分裂規(guī)則的CART算法，其結(jié)構(gòu)簡(jiǎn)單、易于理解的二叉樹。再考慮到現(xiàn)實(shí)中的數(shù)據(jù)質(zhì)量問(wèn)題，鑒于樹算法對(duì)孤立點(diǎn)有免疫力和自動(dòng)處理缺失數(shù)據(jù)的優(yōu)點(diǎn)，所以選擇CART樹算法作為主要建模工具。另外，單一CAR

4、T樹會(huì)具有不穩(wěn)定性的缺點(diǎn)，可以通過(guò)組合技術(shù)，提高穩(wěn)定性和精度，所以便有了多樹的TreeNet算法(Friedman，2002)。
　　 本文以電子支付平臺(tái)數(shù)據(jù)集作為實(shí)例，把作弊賬戶和正常賬戶進(jìn)行對(duì)比分析，基于邏輯回歸、CART和TreeNet算法建立識(shí)別模型，通過(guò)在驗(yàn)證數(shù)據(jù)集上比較，發(fā)現(xiàn)屬于非參數(shù)方法的CART和TreeNet算法好于屬于參數(shù)方法的邏輯回歸算法，多樹TreeNet模型在性能上好于單一樹CART模型，但模型解釋性沒