研究報告
| 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 | zh_TW |
| 相關連結 |
機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/118567 ) |