基于数据驱动的判别型自适应不完全信息欺诈控制决策系统
人工智能
2019-07-30 v2
摘要
尽管电子商务呈爆发式增长且在线购物在当下已成为流行甚至主导，在线交易欺诈控制已在商业实践与学术研究中引起相当关注。传统欺诈控制主要考虑两个主要相关决策方即商户与欺诈者的交互，以做出欺诈分类决策，而未充分关注由其他利润相关方决策引发的动态循环效应。本文提出一种新颖的欺诈控制框架，可量化不同方决策的互动效应，并能利用数据分析、人工智能与动态优化技术调整欺诈控制策略。基于数据属性的可用性与标签成熟度的水平，开发了三种控制模型：朴素控制、短视控制与前瞻控制。所提模型纯粹数据驱动且以实时方式自适应。在 Microsoft 真实在线交易数据上的现场测试表明，新系统可大幅改善公司利润。
引用
@article{arxiv.1810.01982,
title = {Discriminative Data-driven Self-adaptive Fraud Control Decision System with Incomplete Information},
author = {Junxuan Li and Yung-wen Liu and Yuting Jia and Jay Nanduri},
journal= {arXiv preprint arXiv:1810.01982},
year = {2019}
}