消费者对消费者电子商务网络中有问题交易的检测

在线市场提供商持续打击部分用户实施的有问题交易，例如售卖非法物品和发布虚构物品。检测欺诈活动的典型方法是分析注册用户档案、用户行为以及附着于单个交易和用户上的文本。然而，这一传统方法可能存在局限，因为恶意用户可轻易隐瞒其信息。在此背景下，网络指标已被用于各类在线交易平台中的欺诈检测。在本研究中，我们分析了一个在线消费者对消费者市场的用户网络，其中一笔交易的卖方与相应买方由有向边连接。我们构建了数百名欺诈用户各自的自我中心网络，以及数量相近的正常用户的此类网络。我们基于焦点节点邻居间至多连通性计算了八种局部网络指标。基于对这些网络指标的现状描述性分析，我们将由八种网络指标构建的十二个特征输入随机森林分类器，旨在区分正常用户与参与四类有问题交易中每一类的欺诈用户。我们发现分类器能准确区分欺诈用户与正常用户，且分类性能不依赖于有问题交易的类型。