基于密集子图挖掘的刷单团伙识别方法
信息技术与网络安全
郑赜一，王 澎
(杭州师范大学 阿里巴巴商学院，浙江 杭州311121)
摘要：随着电商的不断发展，如何发现刷单账户以维护市场秩序是亟待解决的问题。根据用户的购买记录构建用户关系网络图。根据电商刷单特性，提出通过计算用户之间的关联性来对抗伪装，并提出了一种密集子图可疑度量。根据关联性和密集子图可疑度量，实现了一种针对电商的刷单团伙识别方法。实验结果表明，在真实的天猫数据集上，所提出的方法能有效地捕捉刷单团体, 结果与FRAUDAR算法相近，有较好的识别效果。
中图分类号：TP391
文献标识码：A
DOI：10.19358/j.issn.2096-5133.2021.03.013
引用格式： 郑赜一，王澎. 基于密集子图挖掘的刷单团伙识别方法[J].信息技术与网络安全，2021，40(3)：72-76.
文献标识码：A
DOI：10.19358/j.issn.2096-5133.2021.03.013
引用格式： 郑赜一，王澎. 基于密集子图挖掘的刷单团伙识别方法[J].信息技术与网络安全，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
中国的电子商务及其相关的附属产业发展迅速，而“刷单”与“炒信”作为其中一种“产业”也得到了快速的壮大。刷单是通过虚假交易提高商品的销量，以吸引买家促成更多的交易。但是这是一种欺诈消费者的手段[1]。刷单违背了市场公平，伤害了消费者的权益，并且已经形成了完整的黑色产业链。据报道，仅2016年上半年，淘宝上从事刷单等虚假交易的卖家就有150万家，涉及交易数目约5亿笔，虚假交易的买家账号达到900万个，交易额超120亿元[2]。
最简单的刷单方法就是用一个账号不停地购买自己的商品。但是这种方法非常容易被电商平台的算法检测出来。于是刷单平台成为了一个常见的选择。商户通过刷单平台发布任务，然后常驻平台的“刷手”则会接收任务通过自己刷单账号来进行刷单[3]。所以通常情况下刷单具有很强的行为相关性。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003435
作者信息:
郑赜一，王 澎
(杭州师范大学 阿里巴巴商学院，浙江 杭州311121)
此内容为AET网站原创，未经授权禁止转载。