社交欺诈检测综述：方法、挑战与分析
机器学习
2023-01-05 v2 人工智能
摘要
社交评论已主导网络并成为产品信息的合理来源。个人与企业利用此类信息进行决策。企业也利用社交信息传播虚假信息，使用单个用户、用户群体或经过训练以生成欺诈内容的机器人。许多研究提出了基于用户行为和评论文本的方法来应对欺诈检测的挑战。为提供详尽的文献综述，我们使用一个考虑三个关键组件的框架来综述社交欺诈检测：评论本身、执行评论的用户以及被评论的项目。在为特征提取用于组件表示时，基于行为、基于文本的特征及其组合提供了特征层面的综述。借助该框架，我们给出了包括监督、半监督和无监督学习方法的全面概览。用于欺诈检测的监督方法被介绍并归类为两个子类：经典方法和深度学习。我们解释了标注数据集的缺乏并建议了潜在解决方案。为帮助该领域的新研究者更好地理解，我们在所提出的系统框架的每一步均提供了主题分析和未来方向概览。
引用
@article{arxiv.2111.05645,
title = {Social Fraud Detection Review: Methods, Challenges and Analysis},
author = {Saeedreza Shehnepoor and Roberto Togneri and Wei Liu and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:2111.05645},
year = {2023}
}