基于密集子圖挖掘的刷單團伙識別方法
信息技術與網絡安全
鄭賾一，王 澎
(杭州師范大學 阿里巴巴商學院，浙江 杭州311121)
摘要： 隨著電商的不斷發展，如何發現刷單賬戶以維護市場秩序是亟待解決的問題。根據用戶的購買記錄構建用戶關系網絡圖。根據電商刷單特性，提出通過計算用戶之間的關聯性來對抗偽裝，并提出了一種密集子圖可疑度量。根據關聯性和密集子圖可疑度量，實現了一種針對電商的刷單團伙識別方法。實驗結果表明，在真實的天貓數據集上，所提出的方法能有效地捕捉刷單團體, 結果與FRAUDAR算法相近，有較好的識別效果。
中圖分類號： TP391
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.03.013
引用格式： 鄭賾一，王澎. 基于密集子圖挖掘的刷單團伙識別方法[J].信息技術與網絡安全，2021，40(3)：72-76.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.03.013
引用格式： 鄭賾一，王澎. 基于密集子圖挖掘的刷單團伙識別方法[J].信息技術與網絡安全，2021，40(3)：72-76.
Click farm identification method based on dense subgraph mining
Zheng Zeyi，Wang Peng
(Alibaba Business School，Hangzhou Normal University，Hangzhou 311121，China)
Abstract： With rapid development of e-commerce, how to find out click farm to maintain market order has become an urgent problem. This paper constructs a graph based on the purchase records of users. With the featrues of click farm, it proposes to combat camouflage by calculating the correlation between users, and puts forward a subgraph anomaly degree metric. Finally，a suspicious subgraph searching algorithm for e-commerce to find out click farm is proposed.The results show that the proposed algorithm can find out the click farm effectively, and it is similar with FRAUDAR on the real dateset of Tmall.
Key words : graph mining；dense subgraph；click farm；fraud identification
0 引言
中國的電子商務及其相關的附屬產業發展迅速，而“刷單”與“炒信”作為其中一種“產業”也得到了快速的壯大。刷單是通過虛假交易提高商品的銷量，以吸引買家促成更多的交易。但是這是一種欺詐消費者的手段[1]。刷單違背了市場公平，傷害了消費者的權益，并且已經形成了完整的黑色產業鏈。據報道，僅2016年上半年，淘寶上從事刷單等虛假交易的賣家就有150萬家，涉及交易數目約5億筆，虛假交易的買家賬號達到900萬個，交易額超120億元[2]。
最簡單的刷單方法就是用一個賬號不停地購買自己的商品。但是這種方法非常容易被電商平臺的算法檢測出來。于是刷單平臺成為了一個常見的選擇。商戶通過刷單平臺發布任務，然后常駐平臺的“刷手”則會接收任務通過自己刷單賬號來進行刷單[3]。所以通常情況下刷單具有很強的行為相關性。
本文詳細內容請下載:http://www.cowatch.cn/resource/share/2000003435
作者信息:
鄭賾一，王 澎
(杭州師范大學 阿里巴巴商學院，浙江 杭州311121)
此內容為AET網站原創，未經授權禁止轉載。