大数据环境下基于指纹识别的电子商务反欺诈方法研究_开题报告

一、文献综述

最近十年来，随着电子商务的普及发展，不仅为全球经济营造了良好的氛围，同时也对社会各领域提出了新的挑战，对整个人类社会造成了深远影响。如网上购物给大家带来便利的同时，伴随网上购物进行的网络诈骗也快速增长，网络诈骗、信誉问题已成为电子商务发展的瓶颈，具体体现在以下几种风险行为如银行卡盗用、虚假注册、账户盗用、社工欺诈、营销欺诈、钓鱼木马等，这些恶意行为严重干扰企业的正常经营，破坏了平台的形象和安全感知。

虚假注册

在搜索引擎里搜索批量注册、注册机，能够得到很多搜索结果。在某电商搜索账号之类的关键字，也能得到很多卖各种帐户的商家。在QQ群搜索小号之类，同样存在很多贩卖账号的群。那么这些批量注册的账号有什么用？无非是羊毛党、发广告、水军、骚扰用户、贩卖等，目标自然是为了钱。业务方的KPI一般都会有用户量，为了扩大用户量做各种营销活动，所以业务方是绝对绝对不会允许安全在注册这个环节进行拦截，但作为安全人员，可以不拦截，但一定要知道哪些是虚假小号，这些虚假小号带着标签往业务流程后端传递，一旦小号来真的，安全就来真的。 

帐号盗用

登录是进入网站的门槛，是进行网站业务的第一步。如果账号被盗用，往往会造成不可估量的后果。例如，用户的资金被转移、物品被转卖、机密被泄露等等。这些伤害是巨大的。到底登录账户的是不是用户本人， 如何准确的识别？

虚假交易

以淘宝为代表的电子商务平台发展迅速，网上销售成了各商家的重要渠道。为了在众多同类商家中排名靠前，刷信誉、刷销量的方式应运而生，形成妨碍正常购物的虚假交易。

营销欺诈

在电子商务平台上，往往高额的红包补贴，超值的优惠活动成为了电子商务、社交、金融领域等企业网上平台的的标配，也催生了一批“羊毛党”通过各种手段参与各种线上活动，企业方经常因此付出更多的成本，活动效果大打折扣。基于营销行为的薅羊毛欺诈，不仅会给企业带来营销资金的损失，降低营销效果，还会给企业产生大量垃圾账户，带来欺诈风险的隐患。

通过大数据的分析，这些风险问题基于设备指纹识别技术可以有效的预防和控制电子商务欺诈问题。

（一）国内现状

中国银行业协会近期发布的《中国信用卡产业发展蓝皮书（2013）》显示，2013年，国内信用卡互联网欺诈损失金额1411.3万元，比上年增长23.4%。互联网欺诈损失占比为10.8%，比上年增长2.7个百分点。

从欺诈类型来看，2013年信用卡欺诈损失排名前五位的为伪卡、虚假申请、互联网欺诈、失窃卡和未达卡。与2012年相比，伪卡欺诈损失仍是金额最高的欺诈类型，金额达7141.9万元，比上年下降14.0%，欺诈金额在各类型占比有所降低。虚假申请欺诈损失金额及占比与去年基本持平。创新业务欺诈，如互联网欺诈损失金额和占比仍呈增长态势。

目前国内从事互联网黑产的人员规模巨大，产业规模涉及的金额可能有数百亿之多。对于为何互联网黑产发展规模如此巨大，主要有三个原因：一是，国内不健全的征信体系建设；二是，国内经济发展的不平衡和城乡经济的巨大差异，由于落后的四、五线城市存在大量富余年轻劳动力，而且当地就业机会不多，这种黑产收入非常高，导致从事网络黑产的人员前赴后继；三是，国家在互联网领域的政策和立法规范的不足。

••••••

（二）国外现状

随着科技的发展，电子商务已经逐渐地融入并影响着整个社会乃至世界各国经济、政治、文化以及方方面面。这把双刃剑在带给人类便捷的同时，也为社会带来了不容忽视的问题和挑战。如何握好这把双刃剑，有效地趋利避害，为社会所用，是世界各国共同面临的任务和使命。目前，由于各国国情不同，各国政府对电子商务欺诈治理也存在不同模式，一是政府主导的治理模式，主要是强调通过政府的立法、执法行为来进行欺诈治理，以新加坡、德国等国家为代表；二是多方协调型的管理模式，强调的是网络行业的自律以及各方力量的协同，主要代表国家包括美国和法国等。

每年有成百上千万的美国消费者成为网络欺诈的受害者。通常来说,网络欺诈通过两个方面影响消费者。第一,受欺诈的消费者遭受个人财产的流失。第二,消费者作为纳税人间接地在为欺诈行为付钱,因为是纳税人的钱资助了旨在纠正和防止网络诈骗的美国政府项目但最后却并无作用。随着虚拟电子商务的爆发,美国政府才逐渐意识到保护消费者的权益必要性,但效果也并不尽如人意。

••••

二、^范文提纲

1 绪论

1.1 ^范文研究的背景及意义

1.2 电子商务欺诈行为分析

1.3 国内反欺诈研究

1.4 本文研究的思路和内容

1.5 本文研究的方法和创新之处

2 反欺诈技术模型介绍

2.1 基于规则的反欺诈模型

2.2 基于客户行为的反欺模型

2.3 基于设备指纹的反欺诈模型

3 反欺诈模型应用研究

   3.1 目前反欺诈应用现状

   3.2 模型应用案例

4 基于设备指纹反欺诈模型改进思路

  4.1 目前的设备识别技术存在的问题

  4.2 关于设备指纹识别技术的改进研究与探索

5实验仿真结果与分析

5.1 实验结果

5.2 结果分析

6 总结与展望

6.1 研究总结

6.2 研究展望

参考文献

致谢   

三、参考文献

[1] 陈思祁, 袁恒. 网络交易欺诈行为的共性特征研究[J]. 重庆邮电大学学报(社会科学版), 2015年.

[2张维群. 网上交易欺诈行为特征测度与应用.经济科学出版社. 2015年7月1日

[3]李琪. 基于商务链的网上网下交易欺诈比较研究[M]. 电子工业出版社. 2014年

[4]蒋韬, 张新波. 网络设备身份识别方法及系统:, CN 103166917 A[P]. 2013.

[5]蒋韬. 一种识别恶意网络设备的方法、装置和系统:, CN 103428189 A[P]. 2013.

[6] s://wiki.mozilla.org/Fingerprinting 2016年2月22日

[7] s://en.wikipedia.org/wiki/Device_fingerprint 2017年8月3日

[8] 丁爽斯. 基于大数据的互联网金融欺诈行为识别研究[D]. 首都经济贸易大学, 2016.

[9] 鲁统波. 大数据反欺诈在银行互联网金融创新业务中的应用[J]. 金融电子化, 2016

[10] 武翊, 王宏伟. 基于社会网络分析的拍卖网站信用共谋欺诈群体侦测研究[J]. 知识经济, 2013