B2B平台反欺诈问题研究.docVIP

B2B平台反欺诈问题研究 　　【 摘 要 】 B2B电商平台的欺诈问题一直困扰着电商平台的经营者。以往利用数据挖掘技术解决B2B问题的研究中仍然存在着一些不足。论文利用真实B2B平台公司数据，采用基于决策树（Decision tree）的集成学习算法――Easy-Ensemble对B2B平台反欺诈问题进行研究。实验结果表明，Easy-Ensemble算法的确是解决数据类别不平衡性的一个有效的算法，适用于B2B平台反欺诈问题研究。论文在实验结果的基础上进行深入的商业分析，为B2B企业欺诈问题提出行之有效的建议。 　　【 关键词 】 B2B平台；反欺诈；数据挖掘；类别不平衡；代价敏感性 　　【 中图分类号 】 TP391 　　【 文献标识码 】 A 　　Research on the B2B Platform Anti-fraud Problem 　　He Xiang-dong 1 Wei Ji-yong 2 　　（1.Network and Information Center， Nanjing University JiangsuNanjing 210023； 　　2.School of Management， Nanjing University JiangsuNanjing 210093） 　　【 Abstract 】 The fraud in B2B business platform has troubled the platform operations. There are still many gaps and deficiencies in data mining technology area about how to solve these frauds. This paper use the real data of a large B2B e-commerce company and chose the ensemble algorithm ?b Easy-Ensemble， which is based on Decision Tree to deal with the problem of B2B fraud. From the experiments results， we can find that Easy-Ensemble algorithm is effective to solve the problem of class imbalance and suit to solve the problem of B2B anti-fraud. As a result， we can provide supports and suggestions for the anti-fraud problems on B2B platform. 　　【 Keywords 】 b2b platform； anti-fraud； data mining； class imbalance； cost-sensitive 　　1 引言 　　随着互联网和信息技术的高速发展，电子商务以其高效益，低成本等特点，为企业尤其是中小企业，提供了更为广阔的发展空间。然而在电子商务高速发展的今天，其商业进行中隐藏的问题也逐渐暴露出来。最为显著的问题就是电子商务欺诈问题。B2B（Business to Business）是企业与企业之间通过互联网进行产品、服务及信息的交换。B2B网站为买卖双方提供信息交流的网络商业平台并为用户提供网上交流的条件，促成交易的机会。但是往往网站中的信息存在欺诈性，会对交易受欺诈方和平台方造成较大的损害。 　　本文的研究目在于解决B2B平台上欺诈检测问题。基于平台上的买家或卖家的数据对客户进行分类识别。从而增强B2B平台运营商对其网站上的欺诈用户识别与预防能力，从而保护用户的权益，维护平台的稳定发展。目前有研究者利用数据挖掘技术解决B2B电商平台的欺诈问题，但现有研究仍然存在一些不足：第一，在线欺诈问题描述性的较多，提出实际解决方案的研究比较少；第二，缺乏用来进行实验的真实数据；第三，以往研究很少考虑到类别不平衡问题与代价敏感问题。本文利用集成学习算法――Easy-Ensemble[1]对真实B2B企业数据进行应用，并于其他算法进行比较论证分析。 　　2 相关文献回顾 　　2.1 传统反欺诈的研究 　　欺诈指交易方有意隐瞒或提供错误的与交易相关的信息以获得经济利益的行为，是感知风险的一种。从根本上讲，B2B在线欺诈行为的出现可以用“信息不对称”进行解释。在信息不对称的情况下，卖方拥有比买方更多的关于交易对象的信息 [2]。 　　近十几年国内对电子商务的研究主要是新