教師資料查詢 | 類別: 研究報告 | 教師: 張昭憲 Chang Jau-shien (瀏覽個人網頁)

標題:運用資訊融合與模型融合發展穩定高效能之電子商務詐騙偵測架構
學年106
學期1
出版(發表)日期2017/10/28
作品名稱運用資訊融合與模型融合發展穩定高效能之電子商務詐騙偵測架構
作品名稱(其他語言)Developing Stable and High-Performance E-Commerce Fraud Detection Framework Based on Information Fusion and Model Fusion
著者張昭憲
單位
描述
委託單位科技部
摘要電子商務的蓬勃發展有目共睹,但也引起有心人士的注意,在各種交易平台中進行詐騙。由於網路的隱蔽性與便利性,讓這些不法行為在短期內便快速成長,若不加以抑制,將嚴重影響其未來發展。電子商務的詐騙偵測雖已獲得高度關注,亦有許多方法被提出,但仍面臨諸多挑戰。為此,本計畫運用資訊融合與模型融合概念,發展有效的預測方法,以提供更穩定、準確的偵測結果。有關資訊融合,本研究提出了一套動態資料融合方法,先將訓練集依照類別分成多個群聚,再根據待測帳號的特性,選擇適合的群聚資料進行塑模,以提升模型的偵測效果。對於模型融合,本研究則以線性迴歸組合多種不同模型,以提供更穩定的預測結果。考量蒐集資料對於預測值的影響延遲效果,除一般模型外,我們亦將各種延遲模型納入融合過程。為驗證提出方法之有效性,我們針對上述方法分別進行實驗。結果顯示,在不同資料分割方式設定下,使用動態資料融合方法確有機會能提供更佳的偵測結果。當透過模型融合進行數值預測時,在僅考慮訓練集的狀況下,其預測關聯度可達0.910。當實際進行預測時,其關聯度仍亦達0.844,與單一模型相較,確可提供了良好的預測穩定性。
關鍵字模型融合;資訊融合;詐騙偵測;電子商務;巨量資料分析
語言中文
相關連結
Google+ 推薦功能,讓全世界都能看到您的推薦!