《B2B平台的反欺诈问题研究.docx》由会员分享，可在线阅读，更多相关《B2B平台的反欺诈问题研究.docx（6页珍藏版）》请在三一文库上搜索。
1、B2B平台的反欺诈问题研究【 文献标识码】 AResearch on the B2B Platform Anti-fraud ProblemHe Xiang-dong 1 Wei Ji-yong 2（ 1.Network and Information Center， NanjingUniversity JiangsuNanjing 210023；2.School of Management， Nanjing UniversityJiangsuNanjing 210093）【 Abstract 】 The fraud in B2B business platform has troubled
2、the platform operations. There are still many gaps and deficiencies in data mining technology area about how to solve these frauds. This paper usethe real data of a large B2B e-commerce company andchose the ensemble algorithm ?b Easy-Ensemble， whichis based on Decision Tree to deal with the problem
3、ofB2B fraud. From the experiments results， we can findthat Easy-Ensemble algorithmis effectivetosolve theproblem of classimbalance and suitto solvethe problemof B2B anti-fraud.As a result， we can providesupportsand suggestions for the anti-fraud problems on B2B platform.【Keywords】b2b platform；anti-f
4、raud；datamining；class imbalance；cost-sensitive1 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
5、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-Ensemble1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
6、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的技术带来的商业模式以及新的观念等方面3 。通过对相关文献的回顾，可以发现对于 B2B平台反欺诈问题的研究主要包括两方面：一是欺诈预防；二是欺诈检测。欺诈预防指的是起初就采取有效措施阻止欺诈发生；而欺诈检测指的是当预防措施无效时，能够用最短的时间识别欺诈的方法4 。大部分的研究都会同时涉及这两个方面。从信任机制的角度入手，有学者利用实证方法比较系统地研究了影响B2B电
7、子商务风险的因素 5 。根据 Selmar Meents等（ 2003）实证研究中所分析的声誉因素在 B2B在线交易中的正向影响效应 6，Josang 等人（ 2007）提出了关于基于名声的信任机制7 。RafaelMaranzato 等（ 2010）在电子商务平台声誉系统的基础上运用逻辑回归和逐步优化的方法进行网上欺诈的研究8 。2.2基于数据挖掘的B2B平台反欺诈研究目前，数据挖掘方法解决B2B平台反欺诈问题研究有很多，大多集中于从描述性的角度11 和欺诈预测的角度12来进展开。 其中， Chang（ 2011）12 运用决策树进行分类，Zhang 等人（ 2011）使用了逻辑回归的方法1
8、3，Pandit等人（2007）使用马尔可夫随机域模型的方法14。此外，欺诈问题的研究还关注了类别不平衡性问题，在数据挖掘的研究中，一般是假定用于训练的数据集类型是平衡的，即各类所拥有的样本数量是大致相当的，然而这一假设在很多真实问题中是不成立的。例如在欺诈问题方面，欺诈的数据量远远小于非欺诈的数据量，在这种情况下，分类器通常会倾向于将测试样本全部判别为大类而忽视了小类，可想而知，由此得到的分类器在小类的预测上效果会很差。Weiss G（ 2004）指出分类器在不平衡数据上性能下降的原因有：不恰当的性能评价准则、不恰当的归纳偏置、一类样本数目过少产生的绝对稀少问题等 15 。3 Easy-En
9、semble算法Easy-Ensemble 算法首先是多次独立地利用随机下采样的方法，将大类样本划分成多个与小类样本平衡的子集，然后将如此得到的数据集进行训练得到多个分类器，然后将多次独立的下采样方法得到不同的分类器进行了集成；本算法可显著的提高下采样方法在类别不平衡问题上的性能，同时继承了下采样方法的高效性。该算法的原理是：对于二元分类的类别不平衡问题，设定小类为正类，用字母P 表示，大类为反类，用字母N 表示，运用下采样的方法，从N 中随机采样得到其子集，我们用N' 来表示，并且有|N'|5 B2B电商企业反欺诈策略通过以上实验结果的分析，本文为电商平台企业提供指导性建议。
10、（ 1）增加在线支付的功能，或者是交易款项的担保功能。这样将使得买卖双方交易时更加放心，进而降低了欺诈的发生，从而也更好地促进电商行业的发展。（ 2）增加物流配送功能，电商平台可以很好地清楚卖方是否提供符合要求的货物，而且也可以保证货物能够在规定的、可控的时间内到达买方指定的地点。（ 3）完善电商平台上及时通讯软件的功能，如文字、音频、视频、大容量文件的传输功能等，且一定要保证该软件使用的安全性，让买卖双方更愿意使用平台自带的通讯软件来交流，且能够满足各种交流方式的需求。（ 4）若 B2B交易的额度较高，可以对交易双方的公司进行实地的考察，保证巨大交易金额背后的公司具有负担如此巨额货款的实力，进而降低交易的风险。（ 5）针对有信誉或者信用等级较高的用户，也需要认识和了解欺诈行为发生的规律，即分类算法得到的决策树结果，从而有依据地提高自身甄别欺诈用户的水平，并创建口碑传播的相关机制。本文引言部分提到在目前数据挖掘技术解决B2B平台反欺诈问题的研究中存在三个问题：一是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；二是缺乏用来进行实验的真实数据；三是很少考虑到类别不平衡问题与代价敏感问题。本文从所采用的方法，到实验用到的数据，再到根据实验结果给出的商业建议，很好地回答以上三个问题，希望能为B2B电商企业反欺诈问题提供一些借鉴。