构建高质量拍卖欺诈数据集

鉴于在线拍卖交易的规模，保护消费者免受诸如托投标者等不诚实卖家的侵害十分困难。迄今为止，机器学习技术（MLTs）在拍卖欺诈中的应用有限，与其在打击其他类型欺诈中的应用不同。托投标（Shill Bidding, SB）是一种严重的拍卖欺诈，由现代技术和狡猾的骗子驱动。识别复杂欺诈者行为的难度以及训练数据集的不可得性阻碍了 SB 检测的研究。在本研究中，我们构建了一个高质量的 SB 数据集。为此，首先，我们爬取并预处理了大量商业拍卖数据以及投标者的历史记录。我们对两个数据集都进行了彻底的预处理，使其可用于 SB 指标的计算。然而，此操作需要对拍卖和投标者行为有深刻的理解。其次，我们引入了两种新的 SB 模式，并实现了其他现有的 SB 模式。最后，我们移除了异常值以提高训练 SB 数据的质量。