基于分類技術(shù)的電子支付平臺作弊財戶的識別模型研究.pdf

1、隨著電子支付平臺交易量、虛擬貨幣的發(fā)行和流通量越來越大，涉及的賬戶越來越多，導(dǎo)致沉淀資金、洗錢、套現(xiàn)、作弊等信用問題愈加突出，已逐漸成為制約電子商務(wù)發(fā)展的最大瓶頸。由于信用違約的行為形式多樣，技術(shù)手段高明而隱蔽，具有很大的差異性和與時俱進(jìn)。目前電子支付公司采用一系列的安全產(chǎn)品更多的是防范，而缺少主動出擊，單靠經(jīng)驗和人工審核辦法還很難以捕捉。因此，電子支付公司需要加強(qiáng)技術(shù)，主動有效地防范和化解信用風(fēng)險，提高企業(yè)信用甄別與風(fēng)險管理的水平和能

2、力。
　　 本文從“作弊用戶希望用較少的錢、短時間把信譽(yù)提高”的心理角度考慮，給出了作弊賬戶定義，并對作弊賬戶和正常賬戶相比更具有批量注冊、交易金額非常低、交易的時間非常集中等特點。
　　 針對作弊帳戶識別問題，Lach(1999)指出可以利用數(shù)據(jù)挖掘中基于ID3和C4.5的樹分類技術(shù)識別和理解的作弊行為模式，定位高作弊嫌疑的賬戶，縮小范圍后再通過人工審核，從而較精確捕捉到作弊賬戶。并基于一電子商務(wù)公司作弊的簡單實例數(shù)據(jù)

3、，利用樹算法ID3(Mitchell，1997)和C4.5(Quinlan，1993)，建立識別模型。雖然ID3和C4.5算法對訓(xùn)練樣本集的學(xué)習(xí)中盡可能多地挖掘信息，但生成樹分枝較多，規(guī)模較大。為了簡化樹算法，提高效率，又出現(xiàn)了根據(jù)GINI系數(shù)作為分裂規(guī)則的CART算法，其結(jié)構(gòu)簡單、易于理解的二叉樹。再考慮到現(xiàn)實中的數(shù)據(jù)質(zhì)量問題，鑒于樹算法對孤立點有免疫力和自動處理缺失數(shù)據(jù)的優(yōu)點，所以選擇CART樹算法作為主要建模工具。另外，單一CAR

4、T樹會具有不穩(wěn)定性的缺點，可以通過組合技術(shù)，提高穩(wěn)定性和精度，所以便有了多樹的TreeNet算法(Friedman，2002)。
　　 本文以電子支付平臺數(shù)據(jù)集作為實例，把作弊賬戶和正常賬戶進(jìn)行對比分析，基于邏輯回歸、CART和TreeNet算法建立識別模型，通過在驗證數(shù)據(jù)集上比較，發(fā)現(xiàn)屬于非參數(shù)方法的CART和TreeNet算法好于屬于參數(shù)方法的邏輯回歸算法，多樹TreeNet模型在性能上好于單一樹CART模型，但模型解釋性沒