基于數(shù)據(jù)挖掘的商戶套用欺詐檢測研究與應用.pdf

1、隨著電子商務不斷發(fā)展，人們出門不再攜帶大額現(xiàn)金，更多的是刷卡消費，這帶動了越來越多商戶辦理了POS機。收費機構(gòu)在不同行業(yè)的POS機上所提取的費率也不一樣。第三方支付機構(gòu)根據(jù)商戶所經(jīng)營的行業(yè)主要營業(yè)收入為商戶擬制一個類別碼--商戶類別碼（Merchant Category Code），中國銀聯(lián)就是根據(jù)商戶類別碼收取不同手續(xù)費。因此衍生出了套用商戶類別碼的違法行為?！吧虘纛悇e碼套用”是指第三方支付機構(gòu)套用商戶類別碼享受低手續(xù)費率的行為。欺詐

2、檢測作為目前國內(nèi)外研究熱點，是金融領(lǐng)域的一個重要課題。為此本文主要做了以下工作：1)基于商戶類別碼的標準行為模式庫建立
　　本文將不同的行業(yè)有不同的營業(yè)時間區(qū)間、營業(yè)高峰或者低谷等的現(xiàn)象稱為該行業(yè)的“行為模式”。不同商戶類別碼的行為模式不同，本文采用機器學習的層次聚類算法，得到同一個商戶類別碼下具有代表性的N個行為模式。
　　2)商戶套用欺詐檢測模型的建立。
　　本文利用商戶的交易行為與商戶信息提取特征。在分類器選擇上

3、面，本文采用概率分類器—邏輯斯蒂回歸解決該類問題。通過實驗結(jié)果也表明了利用本文的檢測方法，準確率，召回率均在80％以上，同時，即使訓練樣本數(shù)據(jù)量較少的情況下，該分類器準確率，召回率也沒有很大的降低。
　　3)欺詐檢測模型的分布式實現(xiàn)。
　　面對爆炸式增長的數(shù)據(jù)需求，分布式計算是未來大數(shù)據(jù)發(fā)展的重要方向。因此，基于這方面的要求，本文設(shè)計了商戶類別碼欺詐模型的分布式版本，即利用Hadoop平臺，通過HDFS分布式文件系統(tǒng)存儲海量