基于BP网络识别的电子商务防供应商欺诈预警

• 作 者: 丁燕艳
• 出 处: 南京工业大学
• 发表日期: 2013年期
• 关键词: 电子商务 用户行为分析 BP神经网络 商业智能 欺诈预警

电子商务迅猛发展的背景下，由于网络市场中买卖双方信息的不对称性使得其与传统市场比较起来，所存在的由于产品质量信息等的不对称性所造成的欺诈问题不仅存在，而且更加严重。以电子商务为主导的虚拟经济是现代经济的重要组成部分，由于我国在这个方面的法律和制度还不够完善，所以，虚拟经济还存在一定的风险与危害。因此，从可量化监测、可商业实现的角度对电子商务交易风险进行评估和考察，积极主动地预测、分析可能出现的风险，降低交易的不确定性，已经成为各国健康发展电子商务的迫切需要。本文试图通过对电子商务供应商欺诈进行剖析，结合信息不对称、BP神经网络、商业智能等相关理论对供应商欺诈进行预警。首先，在对传统行业进行欺诈模式分析的基础上，运用信息不对称理论分析了电子商务欺诈分类特征以及发展趋势，并利用博弈论对其进行演化分析。其次，通过对信任模型的研究，针对电子商务交易系统的特点，构建供应商信任模型。并在此基础上，对供应商进行用户行为分析，挖掘用户隐藏在后台的行为，同时结合交易主体与欺诈用户的关联度，如IP关联、邮箱关联、负责人（实名）关联等，推理出欺诈客户的行为特点，构建完善的电子商务防供应商欺诈预警机制。从供应商的静态信息、动态行为及其与欺诈客体的关联度三个方面，全方位、多维度地分析欺诈行为，进一步提高欺诈预警的准确率和覆盖率。再次，利用BP神经网络识别算法，实现防供应商欺诈预警模型的自学习、自适应。提高算法预测的准确率和覆盖率，从而实现电子商务防欺诈预警的主动性和智能性。最后，通过对案例公司的数据及其现有电子商务系统的特点分析，进行防供应商欺诈的商业智能系统设计与开发。在数据整合的基础上，搭建合理的BI系统架构，并进行数据仓库设计、ETL设计以及多维分析设计，同时设计了相适应的调度策略，使其适用于电子商务系统的完整商业智能开发。本文将行为分析、关联分析引入到了电子商务供应商欺诈的预警模型设计中，并在此基础上建立了BP神经网络识别模型，提高了算法的学习性和适应性。随着数据规模的扩大、欺诈因子的复杂变化，该方案引入到电子商务环境下，效果更加明显。通过对欺诈预警的准确性以及一致性的仿真检测，及与传统解决算法的对比，验证了该方案的可行性及优越性。研究结果为电子商务防供应商欺诈的商业实现奠定了一定的理论和技术基础。