电商交易欺诈层出不穷,如何用深度学习系统布_为人处世
您当前位置:幸运飞艇信誉群 > 励志 > 为人处世 >
上一篇:食品欺诈与食品安全:一枚硬币的正反面? 下一篇:前隆科技等公司探索黑科技,反欺诈将走向何方?

电商交易欺诈层出不穷,如何用深度学习系统布

原标题:电商交易欺诈层出不穷,如何用深度学习系统布下天罗地网?

雷锋网 AI科技评论按:交易欺诈对电子商务带来了巨大的威胁,来自清华大学交叉信息研究院博士后、物理学博士王书浩近日在AI研习社的青年分享会上介绍了基于循环神经网络的交易欺诈检测系统——时间侦探(CLUE),他重点讲解了电商欺诈检测这一场景下的三个主要技术难点:非平衡样本学习、实时检测系统、增量模型更新。

以下为他的分享内容,雷锋网 AI科技评论编辑整理如下:

很高兴在这里与大家分享我们跟京东金融合作的一篇论文,这篇论文已经被ECML-PKDD2017接收。我们的工作一句话就可以概括,即通过深度学习的方法来进行电商欺诈的检测。我想讲的更多的是从工业落地的角度,去建立一套完整的系统来解决问题。

研究背景

电商交易欺诈层出不穷,如何用深度学习系统布

首先介绍一下背景。在电商网站里面,我们经常会遇到两种欺诈。第一种欺诈是指用户的账户被窃取了,窃取者可能还会得到用户的支付密码,之后他很有可能登录这个用户的账户进行一些欺诈活动,比如说会购买一些商品进行变现,间接的把用户账户里的余额取走。第二种是现在黑市上可以买到一些假的卡片,比如说假的信用卡,如果这个人能够注册一个新的账户,然后把卡绑定到他的账户名下,他就可以使用这个卡来买商品,然后把商品进行变现。

这两种欺诈有一个共同点,即欺诈用户都会进行商品的购买和变现。这些欺诈用户的行为是不是有一些共同的特点,是否可以通过一种手段去观察整个浏览路径?我们通过交易之前发生的一系列的动作,可以判断出这个用户到底是正常用户还是被怀疑为欺诈的用户。

电商交易欺诈层出不穷,如何用深度学习系统布

上面这个表左边展示的是正常用户的浏览路径,可以看到这个用户最后买了一个128G的wifi版玫瑰金iPad Pro,整个浏览路径非常有规律。对于欺诈用户而言,看右边这两个用户,从统计上来说有两个比较鲜明的特点。第一个是用户非常简单粗暴,购买的都是一些虚拟物品,因为虚拟物品可以随时变现。第二个是用户的浏览行为没有逻辑性,他首先访问京东,然后搜索苹果,浏览了一堆苹果的商品,但可以看到浏览的这些商品没有太大的关联性,我们系统中会记录这是一次欺诈行为。

电商交易欺诈层出不穷,如何用深度学习系统布

整个系统的中文名叫做时间侦探,时间是指观察用户在整个浏览序列里面的时序数据,然后用深入学习的办法来对它进行建模。我们所能拿到的数据就是京东上产生的用户的浏览历史,再加上我们的系统去观察,之后系统会给出对整个浏览行为的风险判定,我们得到的其实是风险评分。处于用户隐私角度的考虑,我们的浏览历史里面没有关于这个用户ID的任何信息。

技术挑战

电商交易欺诈层出不穷,如何用深度学习系统布

一个非常直接的挑战就是我们拿到的样本是一个非常不平衡的样本,这就是所谓的非平衡样本的学习问题。从上面这幅图中可以明显看到欺诈用户和正常用户的占比大概是千分之一, 非常小。在研究过程里面,我们固定了千分之一的欺诈占比,又称异常占比。异常占比小的问题会对系统的学习造成很大的干扰。

电商交易欺诈层出不穷,如何用深度学习系统布

第二个非常严峻的问题就是访问量太大了。京东现在有超过2.2亿的活跃用户,单就PC端来说,每天session的数目大概都是在千万的量级,真正发生交易的session数目大概也有百万量级。这个系统其实只看发生交易的session,一天大概要处理掉百万的访问,这对系统压力是非常大的。

电商交易欺诈层出不穷,如何用深度学习系统布

在欺诈领域还有一个非常有意思的现象。欺诈其实是人产生的,既然有人在,整个欺诈行为就会随时间发生变化。上面这幅图里展示的就是欺诈用户喜欢购买的商品。比如在1月份可以看到欺诈用户特别喜欢2号商品,但随着时间发展,到10月份时,这些用户对2号商品就没那么感兴趣了。我们的系统需要去适应用户行为的改变,我们需要周期性的对模型进行不断的更新。

建模方法

更多
励志名言 名人名言 励志电影 励志歌曲 经典语录 励志签名 励志文章 励志故事 人生感悟 伤感日志 创业
Copyright ©幸运飞艇信誉群二维码微分享飞艇群【进群微信接待11190677】幸运飞艇微信群,幸运飞艇QQ群,幸运飞艇实力群,幸运飞艇计划群,幸运飞艇微信平台,幸运飞艇信誉平台,幸运飞艇预测网站。 幸运飞艇信誉群【进群幸运飞艇qq群】幸运飞艇实力群平台 版权所有 | 百度地图 | 联系方式 | 广告服务