在線交易欺詐風(fēng)險(xiǎn)識(shí)別方法研究--基于不平衡樣本的視角.pdf

1、隨著云計(jì)算和大數(shù)據(jù)等互聯(lián)網(wǎng)技術(shù)的升級(jí)換代，以傳統(tǒng)金融體系為依托的在線交易業(yè)務(wù)得到了蓬勃發(fā)展。然而，大量的數(shù)據(jù)存儲(chǔ)在無邊界的云服務(wù)器上，用戶個(gè)人信息泄露成為嚴(yán)重隱患。具體而言，如若用戶的個(gè)人標(biāo)識(shí)和關(guān)鍵口令被不法之徒竊取，轉(zhuǎn)而進(jìn)行在線交易，這不僅損害了真實(shí)用戶的財(cái)產(chǎn)，也會(huì)對(duì)平臺(tái)的安全信譽(yù)產(chǎn)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(gòu)建了一套多模塊的在線交易欺詐識(shí)別指標(biāo)體系框架，創(chuàng)新性的引入用戶支付行

2、為信息，產(chǎn)品交易品類信息，物流收獲信息等模塊;其二，改進(jìn)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(shí)別中的風(fēng)險(xiǎn)用戶識(shí)別率遠(yuǎn)低于正常用戶識(shí)別率的問題;其三，針對(duì)不同樣本均衡方法和特征工程方法處理后的均衡數(shù)據(jù)集，對(duì)比多組不同機(jī)器學(xué)習(xí)分類算法下的模型效果，以實(shí)現(xiàn)一個(gè)風(fēng)險(xiǎn)用戶識(shí)別率較高的全局最優(yōu)的預(yù)測(cè)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(shù)據(jù)和風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行分析建模