在線交易欺詐風險識別方法研究--基于不平衡樣本的視角.pdf

1、隨著云計算和大數據等互聯網技術的升級換代，以傳統(tǒng)金融體系為依托的在線交易業(yè)務得到了蓬勃發(fā)展。然而，大量的數據存儲在無邊界的云服務器上，用戶個人信息泄露成為嚴重隱患。具體而言，如若用戶的個人標識和關鍵口令被不法之徒竊取，轉而進行在線交易，這不僅損害了真實用戶的財產，也會對平臺的安全信譽產生了不良影響?；谏鲜霰I卡盜賬戶的欺詐問題，本研究提出了一套系統(tǒng)性的解決方案:其一，構建了一套多模塊的在線交易欺詐識別指標體系框架，創(chuàng)新性的引入用戶支付行

2、為信息，產品交易品類信息，物流收獲信息等模塊;其二，改進RFM理論，提出一種新的樣本均衡方法RFM聚類-SMOTE方法，解決欺詐識別中的風險用戶識別率遠低于正常用戶識別率的問題;其三，針對不同樣本均衡方法和特征工程方法處理后的均衡數據集，對比多組不同機器學習分類算法下的模型效果，以實現一個風險用戶識別率較高的全局最優(yōu)的預測模型。
　　為論證擬議方法有效，本研究收集了某家B2C公司2000萬用戶近一年的交易數據和風險數據進行分析建模