基于数据挖掘网上银行交易安全问题.ppt

背景知识 网上银行 当前，电子商务网站迅猛发展，在电子商务交易过程中，网上银行使整个过程方便快捷。 网上银行是以计算机银行交易系统为主体，以互联网传输为介质，以客户（企业或个人）计算机为终端的三位一体的新型银行，它是随着互联网的发展而兴起的银行业务形式。 我国网上银行的起步 1996年中国银行发布的有关中银的广告信息和业务信息，此后，中国建设银行、中国银行、中国工商银行等各大银行也开始向客户提供网上银行服务。 图 网上银行运作的基本流程 网上银行的特点： 1.全面实现无纸化交易 2.服务方便、快捷、高效、可靠 3.经营成本低廉 4.简单易用 与传统银行相比网上银行的优势： 1.大大降低了银行的经营成本，有效的提高了银行盈利的能力。 2.无时空的限制，有利于扩大客户群体。 3.有利于服务的创新，向客户提供多种类、个性化的服务。 估计 估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类 数据挖掘的类别是确定数目的，估值的量是不确定的。 例子： 　 　 a. 根据购买模式，估计一个家庭的孩子个数 　　 b. 根据购买模式，估计一个家庭的收入 　 　一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。 预测（Prediction） 　　 通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。 　　 · 相关性分组或关联规则（Affinity grouping or association rules） 决定哪些事情将一起发生。 　　 例子： 　　 a. 超市中客户在购买A的同时，经常会购买B，即A = B(关联规则) 　　 b. 客户在购买A后，隔一段时间，会购买B（序列分析） 聚类 聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。 　　例子： 　　a. 一些特定症状的聚集可能预示了一个特定的疾病 　　b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群 　　聚集通常作为数据挖掘的第一步。例如，哪一种类的促销对客户响应最好？，对于这一 类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。 描述和可视化是对对数据挖掘结果的展示 复杂数据类型挖掘是指对Web ,图形图像，视频，音频等对象进行数据挖掘处理。 数据挖掘的完整步骤 ① 理解数据和数据的来源（understanding）。 ② 获取相关知识与技术（acquisition）。 　　 ③ 整合与检查数据（integration and checking）。 　　 ④ 去除错误或不一致的数据（data cleaning）。 　　 ⑤ 建立模型和假设（model and hypothesis development）。 　　 ⑥ 实际数据挖掘工作（data mining）。 　　 ⑦ 测试和验证挖掘结果（testing and verification）。 　　 ⑧ 解释和应用（interpretation and use）。 网上银行风险研究的背景和意义 网上银行以其方便、便捷、跨时空、低成本、全能化经营等特点，极大地提高了银行业的服务效率和服务质量。网上银行正在成为金融机构拓宽服务领域、实现业务增长、调整经营战略、促进金融发展的重要手段。然而，网上银行也由于其基础环境的开放性、技术的复杂性、交易的虚拟性、跨国界性、法律法规的不健全性等因素，使其既面临着传统银行所具有的许多业务风险，同时也面临了比传统银行更加复杂的技术风险，增加了防范难度。 数据挖掘在个人网上银行中的必要性 网上银行作为银行功能的网上实现，必然接受大量的用户数据，比如用户的登录信息、用户的各类账户信息以及转账信息等等。如何有效的利用这些信息来促进银行的 发展和发现异常，是一个很重要的问题。数据挖掘满足了银行的这一需求。 以个人网上银行为例，很多功能可以用数据挖掘实现。 比如： 1.分析注册登录表中的用户兴趣、年龄，作为挖掘的数据源。 2.使用数据挖掘技术，通过对孤立点的分析，可以减少银行的损失，提高银行的抵御风险能力。 3.面对账户信息表的数据挖