| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于统计的方法 | 第9页 |
| 1.2.2 基于数据挖掘的方法 | 第9-10页 |
| 1.2.3 基于社交网络分析的方法 | 第10-11页 |
| 1.3 论文研究内容和创新点 | 第11页 |
| 1.4 章节安排 | 第11-13页 |
| 2 相关知识及研究 | 第13-24页 |
| 2.1 社交网络分析 | 第13-20页 |
| 2.1.1 PageRank | 第13-15页 |
| 2.1.2 TrustRank | 第15-16页 |
| 2.1.3 BadRank | 第16-17页 |
| 2.1.4 K-core | 第17-20页 |
| 2.2 团伙欺诈的发展过程 | 第20-23页 |
| 2.2.1 多用户抱团方式 | 第20-21页 |
| 2.2.2 同盟者团伙方式 | 第21-22页 |
| 2.2.3 平台欺诈方式 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 在线交易欺诈检测方法研究 | 第24-48页 |
| 3.1 反转图 | 第24-28页 |
| 3.1.1 反转图的定义 | 第24-25页 |
| 3.1.2 反转图的计算 | 第25-26页 |
| 3.1.3 反转图的分析 | 第26-28页 |
| 3.2 同盟对累积交易数 | 第28-32页 |
| 3.2.1 同盟对累积交易数定义 | 第29页 |
| 3.2.2 同盟对累积交易数计算 | 第29-31页 |
| 3.2.3 同盟对累积交易数分析 | 第31-32页 |
| 3.3 SNA 特征属性选取 | 第32-36页 |
| 3.3.1 TrustRank 和 BadRank 特征属性 | 第32-34页 |
| 3.3.2 K-core 特征属性 | 第34-36页 |
| 3.4 用户特征属性选取 | 第36-42页 |
| 3.4.1 交易频数 | 第36-37页 |
| 3.4.2 交易商品均价与方差 | 第37-41页 |
| 3.4.3 交易信誉比 | 第41页 |
| 3.4.4 店铺转化率 | 第41-42页 |
| 3.5 欺诈检测模型研究 | 第42-47页 |
| 3.5.1 特征属性集 | 第42-43页 |
| 3.5.2 检测模型的设计 | 第43-45页 |
| 3.5.3 模型算法的选取 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 欺诈检测模型评估 | 第48-61页 |
| 4.1 在线交易数据获取 | 第48-53页 |
| 4.1.1 数据集的介绍 | 第48页 |
| 4.1.2 数据爬取模型 | 第48-52页 |
| 4.1.3 黑白名单和数据集 | 第52-53页 |
| 4.2 模型评估与分析 | 第53-60页 |
| 4.2.1 评价方法 | 第53-54页 |
| 4.2.2 参数设置 | 第54-55页 |
| 4.2.3 模型评估与分析 | 第55-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-64页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第68页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第68页 |