使用可扩展类别聚类检测有组织的电商欺诈
机器学习
2019-10-11 v1 密码学与安全
机器学习
摘要
在线零售（电商）经常成为恶意客户（欺诈者）通过欺骗获取商品或服务的欺诈行为的受害者。由专业欺诈者群体协调、为最大化收益而下多个欺诈订单的欺诈称为有组织欺诈。现有的欺诈检测方法通常孤立地分析订单，无法有效识别与有组织欺诈相关的欺诈订单组。这些方法还将许多合法订单误判为欺诈，阻碍了其在自动欺诈取消中的使用。我们引入一种通过分析批量订单检测有组织欺诈的新方案。我们的方法基于聚类，旨在将由同一欺诈者群体下达的欺诈订单归为一组。它有选择地使用两种现有技术——凝聚聚类和采样，以合理的时间递归地将订单分组为小簇。我们在 Zalando 网站（欧洲最大的在线服装零售商）上的真实订单评估了我们的聚类技术。我们的聚类在几小时内处理 100,000 量级的订单，并将 35–45% 的欺诈订单归为一组。我们提出了一种构建于聚类之上的简单技术，可检测 26.2% 的欺诈，同时仅对 0.1% 的合法订单发出误报。
引用
@article{arxiv.1910.04514,
title = {Detecting organized eCommerce fraud using scalable categorical clustering},
author = {Samuel Marchal and Sebastian Szyller},
journal= {arXiv preprint arXiv:1910.04514},
year = {2019}
}
备注
14 pages, 6 figures, Annual Computer Security Applications Conference (ACSAC 2019)