B2C欺诈交易检测模型的研究  

Research on Fraudulent Transaction Detection for B2C

作　　者：舒鹏飞 SHU Pengfei(College of Electronics and Information Engineering,Tongji University,Shanghai,China,201804)

机构地区：[1]同济大学电子与信息工程学院

出　　处：《福建电脑》2019年第12期23-25,共3页Journal of Fujian Computer

摘　　要：近年来,B2C在线交易得到繁荣的发展,个人用户通过电子账户在电子商务网站进行交易时,在线支付平台为其提供网上的资金结算服务,但是B2C在线交易依然存在着很多的挑战,欺诈交易就是其中最重要的挑战之一。欺诈者通过非法手段窃取用户的电子账户,然后通过第三方购物网站转移账户资金,给用户造成了极大的经济损失。因此,在线支付平台亟需建立有效的欺诈交易检测系统。本文提出了一种基于XGBoost的欺诈交易检测模型,解决了其他机器学习模型在面对数据不平衡问题上的不足。本文通过在某金融平台的真实B2C交易数据集上进行验证,实验表明该方法的性能超过其他的机器学习模型,该方法能够检测出超过94%的欺诈交易,并且保持打扰率低于0.1%。

关 键 词：XGBoost 在线支付 欺诈检测 B2C交易 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]