文件名称：Fraud_Detector:使用统计、网络分析和机器学习方法集成的欺诈检测
文件大小：5.25MB
文件格式：ZIP
更新时间：2024-07-20 19:50:54
CSS
该项目旨在使用统计、机器学习和图形技术的混合识别欺诈者。 统计分析需要一个时间窗口并分析原始日志以推导出累积统计数据，根据这些统计数据确定异常（与正常情况有显着差异的项目）。 同时，机器学习分类器会在时间窗口内获取相同的原始数据，并对异常项目进行分类。 现在已经识别出这些异常项目，然后我们对这些项目应用图形分析。 采取更长的时间窗口（因为更长的历史可以提供关于这些项目是否确实是欺诈者的进一步证据），我们将节点建模为项目，将有向边建模为哪个节点与哪个其他节点通信。 有了这个图，我们然后使用图指标执行分类，我们在其中导出指标，例如三角形计数并识别具有最弱社区的节点。 现在，从图形分析中识别出的节点更有可能是欺诈者。 然后将这些节点传递给人工欺诈分析师进行确认。 一旦提供了确认，则此标记数据将作为前面提到的随机森林分类器的训练数据提供。 ＃＃＃结果 项目可视化可以在上看到。 使用公共测试数