大数据环境下基于设备识别的电子商务反欺诈方法研究

据中国互联网络信息中心（CNNIC）第40次《中国互联网络发展状况统计报告》数据显示，截至2017年6月，中国网民规模达到7.51亿，占全球网民总数的五分之一。互联网普及率为54.3%，超过全球平均水平4.6个百分点。互联网普及率为54.3%，较2016年底提升1.1个百分点。以互联网为代表的数字技术正在加速与经济社会各领域深度融合，成为促进我国消费升级、经济社会转型、构建国家竞争新优势的重要推动力。

人口红利逐渐消失的同时，互联网行业整体向价值化发展，“互联网+消费”成为不可抗拒的时代主题。网民人均互联网消费能力逐步提升，在网购、020、网络娱乐等领域人均消费均有增长，网络消费增长对国内生产总值增长的拉动力逐步显现，电子商务、网上支付、电子货币等网络消费方式深深地影响着每一位消费者生活的方方面面。但是，伴随而来的是诈骗从线下转移到了线上，网络消费纠纷、消费安全隐患等社会问题随之逐渐凸显，消费者的网络消费安全意识还没有得到相应地提升，围绕消费而出现的网络欺诈日益猖獗。不法分子利用互联网手段，采取虚构事实或隐瞒真相的方法，欺骗广大消费者，给消费者造成了极大的财产和精神损失。据数据显示，互联网安全联盟对159267条举报数据的欺诈类型进行分类统计，网购欺诈是数量最多的类型，达到了总量的35.23%，大部分的网络消费欺诈集中在购物场景中。所以，对互联网电子商务中出现的欺诈行为的识别，对电子商务交易中双方是否有欺诈属性的预测至关重要。本文即以此为出发点，尝试探索与解决在互联网电子商务中中出现的欺诈问题。

随着互联网以及科技手段的进步，近几年已逐步出现利用数据挖掘、统计建模等预测手段对用户进行风险预测，从而对交易双方的风险进行评级。当“大数据”时代来临后，对互联网电子商务平台上的风险控制，以及对欺诈行为的预测、防御都提出了更高的要求。本文旨在利用互联网和大数据环境下的数据优势，利用网络设备识别技术，对用户进行欺诈风险进行甄别。

关键词　大数据 电子商务 设备指纹 反欺诈

目录

摘要I

第1章 绪论2

1.1 论文研究的背景及意义2

1.2 电子商务欺诈行为分析2

1.3 国内网反欺诈研究5

1.4 本文研究的思路和内容6

1.5 本文研究的方法和创新之处7

第2章 反欺诈技术模型介绍9

2.1 基于规则的反欺诈模型9

2.1.1 模型介绍9

2.2 模型基本要素9

2.2.1 模型运行机制13

2.2.2 基于规则的模型优劣分析13

2.3 基于行为的反欺诈模型14

2.3.1 模型介绍14

2.3.2 模型分类14

2.3.3 模型运行机制16

2.3.4 基于行为的优劣势分析17

第3章 基于设备识别的反欺诈模型研究19

3.1 目前反欺诈模型应用现状19

3.2 基于设备识别的反欺诈模型19

3.2.1 用户行为事前阻断21

3.2.2 用户行为事中暂停挂起21

3.2.3 用户行为事后核查22

3.3 模型应用案例22

第4章 反欺诈模型改进方法24

4.1 目前模型应用存在的问题24

4.2 关于应用模型改进方法25

第5章 反欺诈模型实施及管理建议27

5.1 反欺诈模型实施27

5.2 反欺诈模型管理28

第6章 仿真结果分析30

第7章 总结33

参考文献34