CN107305665A - 一种鉴别虚假交易、防止刷单的方法及装置 - Google Patents
一种鉴别虚假交易、防止刷单的方法及装置 Download PDFInfo
- Publication number
- CN107305665A CN107305665A CN201610440747.8A CN201610440747A CN107305665A CN 107305665 A CN107305665 A CN 107305665A CN 201610440747 A CN201610440747 A CN 201610440747A CN 107305665 A CN107305665 A CN 107305665A
- Authority
- CN
- China
- Prior art keywords
- brush
- wash sale
- buyer
- commodity
- prevent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种鉴别虚假交易、防止刷单的方法及装置,用于鉴别电商平台上的虚假交易和刷单手、防止刷单破坏电商平台的购物体验,防止假冒伪劣商品利用刷单欺骗消费者。通过利用刷单团体的特征,来分析检测数据库内的数据,从而找出虚假交易商品和刷单手。所使用的刷单团体特征包括卖家一对多向刷单手返款、刷单团体团体购买不同ID的商品、异常的成交率、异常的购物频率等。
Description
技术领域
发明涉及一种鉴别电商平台上虚假交易的方法、防止刷单的方法,以及相关的装置。
背景技术
现在电商平台普遍存在虚假交易的严重问题。以至于有这样的说法:“十个淘宝九个刷,那个不刷的是傻瓜”。这是很可悲的现实,几乎全部电商平台都欺诈成风,诚信缺失。出现这种情况,主要原因是卖家想通过巨大的交易量排名靠前,另外靠虚假交易得到的虚假评价提高成交率。这些卖家里不乏出售假冒伪劣的商家。因为刷单量巨大,即使有真实买家因为买了假货、次品而给出差评,也会淹没在大量刷单手给出的好评里。原本交易评价可以比较好地防止假货发生更多的交易,但面对大量虚假评价的时候,真实买家的交易评价其实已经没有意义了。另外一个原因就是现有的电商平台没有真正有效的技术去鉴别虚假交易、防止刷单的产生。业内普通技术人员能轻易想到的方法基本限于检查产品销售价格和销量。价格越低,刷单手付出的钱越少,刷单成本就越低。但现在高级的刷单手,会模仿真实的交易流程,从咨询、拍商品、付款、发货、收货,全程模仿真实交易,无懈可击。所以对这种模仿真实交易的刷单情况,辨识难度极大,基本会让普通人觉得这是根本无法破解的难题,电商平台对此也无能为力。这种大量虚假交易的现实造成很多消费者因为看到刷单手的虚假评价和虚假交易量而被骗,各个电商平台的用户体验也随之降低。
刷单行业的发展历程可以在这个网页看到http://baike.ecduo.cn/article-7387.html,可见,淘宝网至少从2009年开始就开始了反刷单的工作了。通过搜索中国专利数据库,只能搜到2个阿里巴巴关于虚假交易的专利申请:阿里巴巴的专利201210065665.1只是提供了在识别出虚假交易用户的基础上做出对卖家质量评分的一些方法,只是提供了在此基础上计算卖家卖出商品里虚假交易所占比例评分的方法,却没有提出如何识别虚假交易用户的措施和方法,而这才是防止虚假交易的难点。阿里巴巴的另外一项专利201210407962X,提到了通过识别一个电脑上注册的多个账号来识别恶意注册用户,防止虚假交易,同时也提供了通过识别一个用户注册多个恶意账号的方法来防止虚假交易,但这种方法和虚假交易的鉴别没有直接关系,也只能预防那些批量注册刷单账号的情况。但道高一尺魔高一丈,现在的高级刷单群体已经实现了全程完全模拟真实交易(甚至连快递单号都可以在网上查到),一个用户如果只用一个账号,这种方法就失效了。时至今日,刷单依然难以控制、普遍存在,以至于2016年3月15日央视3.15晚会易曝光了“刷单帝国”,央视也称刷单是目前难以解决的难题。可见直到现在,这么多年过去了,淘宝等电商平台并没有能真正有效鉴别虚假交易、防止刷单的方法。而淘宝大量假冒伪劣商品就是通过刷单来获取消费者的信任、欺骗消费者的,因此刷单已经成为淘宝、天猫、京东等电商平台普遍存在的一个大问题。淘宝以出售假货闻名于全球,其背后的最大黑手就是刷单群体。因此刷单是这些电商平台致命的问题,这么多年了,这些公司里的业内技术人员必定绞尽脑汁,该想到的方法肯定都想过了。
所以,本文所提出的这些方法,如果是淘宝等电商平台以前没有采用过的,那就不是业内技术人员可以轻易想到的。
发明内容
本发明的目的是提供一种辨识虚假交易、鉴别刷单手的方法,帮助电商平台防止刷单,提高网上交易的真实性,提高电商平台的用户体验。
本申请还提供了一种使用上述方法的装置,以保证上述方法在实际中的应用和实现。
上述阿里巴巴现有的专利以及其它普通的方法,都是只局限于单笔交易的流程去判断,都是从单个买家的行为去分析,而不是把刷单团伙作为分对象析,他们都没有考虑到刷单的一个重要特征:刷单为了提高交易量,必须有庞大的刷单手人群。而这样的刷单手群体在刷单的过程中就会有一些群体特征,这些群体特征就可以作为判断虚假交易的依据。
本发明的目的是这样实现的:利用刷单团体的群体特征作为虚假交易的判断依据。
所述的群体特征可以是:刷单商品的卖家和刷单群体成员之间会发生一对多的退款或返款交易。虚假交易的监测程序检测分析、统计网上支付平台内一对多付款的单笔交易金额、发生次数,以此作为虚假交易的判断依据之一。本文“、”包括“和”与“或”两种情况。因为刷单的虚假交易都会有卖家给刷手退返款这一步骤,所以可以通过监测这些数据来做判断。所说的一对多支付,是只一个账号向多个其它账号转账的情况。一般来说,不会出现一个买家连续向诸多卖家付款购买同样(或者相似)价格商品的情况,所以一旦出现这种情况,很可能说明是虚假交易卖家在向虚假交易买家返款。当一对多付款的数量超过一定阈值的时候,付款账号将被限制使用一定时间,被要求提供付款说明,通过审查后才能继续使用。而收款账号的刷单疑似度参数将被处理一次(如加1)。刷单疑似度达到一定阈值后,收款账号将被限制使用一定时间。这里所说的支付平台可以是(但不限于):支付宝、百度钱包、京东钱包、财付通、微信、各个商业银行的网络银行、第三方在线支付等等。
根据支付平台退款的交易查询电商平台对应商品的方法。卖家退款的账号可能是和刷单电商账号(如淘宝)绑定的支付宝账号,也可能是不同的支付账号(如支付宝账号)。但支付账号所对应的城市一般不会变(城市可以通过手机号、身份证号、充值银行所在地、提现银行所在地确认)。通过统计发生交易的各个区域(如以城市为单位)内同城支付账号数量,就可以建立卖家和每个城市买家的交易数量表格。依照此表格去对比电商平台(如淘宝)交易数据库里的同城交易量数据(可根据收货地址分析),就可以找出疑似的商品。对比的时候,只要城市交易量大于支付宝交易量即为疑似交易。为了防止支付宝所在地分析出现偏差,淘宝同城交易量小于一定比例的支付宝同城交易量时,也可以判断为成立。实际上,虚假交易会有一些真实买家参与到购买行为,所以一般淘宝同城总交易会大于上述的支付宝同城交易量。一旦一个支付宝账号被列为疑似刷单账号,处理一次,则该用户所有的支付宝都将被处理一次。其直系亲属的账号也被处理一次(刷单疑似度加1)。
所述的群体特征可以是:会有相同的刷单成员集合去买相同ID的商品。虚假交易的监测程序检测、统计不同ID商品的相同买家情况(如数量、用户ID集合等等),以此作为虚假交易判断的依据之一。疑似刷单群体购买的不同ID商品的商品ID数量也可以作为虚假交易的判断依据之一。
作为改进措施,将同一个电脑(可以通过cookie检测)或相同IP登录的账号视为同一个买家,以防止买家切换不同账号去实施虚假交易。更严格的措施是:将收货地址或电话相同的买家视为同一买家(这有赖于事先对交易数据库里所有交易进行数据分析);将有直系血缘关系或有一定社会关系的人视为同一买家,以防止一个人借用家人的身份证开设不同的账号。
为了提高效率,可以设置一定的监控起点,对总销量超过一定数量的商品进行监控。
作为改进措施,为了减少需要对比的工作量,提高程序的工作效率,所述监测程序把买家购物频率(一段时间内的购物次数)作为判断刷单员或刷单手的依据之一,并对此做检测分析、处理。如果一个买家一定时间的购物数量超过一定数值,则成为疑似对象。其购买的所有商品都成为疑似刷单商品。逐个检查每个疑似刷单商品的相同买家情况;如果有相同的买家集合,说明这些买家可能都属于一个刷单团伙。
所述的群体特征是:刷单商品在刷单团体刷单阶段的成交率会比一般情况的成交率高。虚假交易的监测程序分析检测、统计商品的成交率(一个商品在某个时段内的成交量和浏览量之比为成交率),以成交率作为虚假交易判断的依据之一。在一段时间内,成交率高于一定阈值的,则为疑似刷单商品,可以对其进行进一步的分析、处理。
交易发生的时间也可以作为一个判断依据,一般刷单团体的交易时间会比较接近(但不是必然)。
在数据库里,在商品数据表里,有关于刷单疑似度的属性项目;用户数据表里,有说明刷单手疑似度的属性项目。
可以设置一个阈值(相同ID商品购买量ID阈值),当一个买家集合购买的相同ID商品的商品ID数量达到该数值后,则该集合内的买家被列为疑似刷单手一次。每出现一次被列入疑似刷单手的情况,则买家的买家刷单疑似度属性被处理一次(如属性值加1)。
举例来说,商品购买量ID阈值设为3,如果有100个买家,他们都购买了商品ID为A1、A2、A3的商品,则这100个买家的刷单疑似度属性值被加1。如果他们都购买了ID为A1、A2、A3 、A4、A5、A6的商品,则他们的刷单疑似度属性值被加4。也可以对买家集合内的买家数量设置一定阈值,当买家集合内的买家数量达到该阈值的时候,才对该集合进行上述的检测和处理。一般来说,该阈值至少为2。
最粗犷的处理方式是对商品订单数据库内的所有商品都进行以上所述的对比分析、检测工作。这种情况下的工作量很大,这比较适合于刚开始采用本技术对以往所有交易数据进行分析、处理的场合。也可以每隔一段时间进行一次这种全盘处理。
而判断买家购物频率的任务,可以让程序在每次买家实施购买行为的时候就进行。
商品在一定时间内的销量也可以作为判断依据之一,对于超过一定阈值的商品,也可以启动上述检测程序。
商品成交率可以在每次商品卖出的时候进行检测,对于超出成交率阈值的,则对该商品启动上述的买家集合分析,检测该商品是否和其它商品有相同或相似的买家集合交集。
当一个买家的刷单疑似度属性达到一定阈值后,则被判定为刷单手。对于被检测出的刷单手,可以采用给予一定时期的账号功能限制的处罚,如果处罚次数达到一定阈值,则可以永久关闭其账号。当然,为了防止程序误判,被处罚账号也可以提出申诉。
判定一个商品为刷单商品后,刷单群体交易时间段内的所有买家均成为疑似刷单手。他们的疑似度指标数值被处理一次(如加1),购买一次疑似刷单商品,则该数值被处理一次。在该指标达到一定数值后,则判定该疑似刷单手为真实刷单手。
在判断一个用户为刷单手后,其购买的所有商品的刷单疑似度都处理一次(如加1)。
本发明还提供鉴别虚假交易的装置,该装置使用前述的方法来分析、处理虚假交易。
所述装置内部含有这样的程序,该程序使用至少一项上述的方法鉴别虚假交易。
所述装置使用至少一项上述的方法鉴别虚假交易、刷单手。
本申请可用于众多通用或专用的计算系统环境或配置中。所述的装置可以是:个人计算机、服务器计算机、工作站、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络 PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境和设备等等。
上文所说的判断依据之一,是指判断依据可以只有这一项,也可以是有多项。
以上文中所述的“阈值”是指人为设定的数值。对于不同的变量,所使用的阈值可能会不同。
以上所述的程序,不一定是指单独的一个程序,也可以是嵌入在其它程序内的一段程序代码。
任何方法都会有出现误判的时候,对于被处罚的用户,可以向电商平台提交申诉。在确定买家参与刷单后,可以将相关信息提交给个人征信系统,实现与个人征信系统的挂钩。
本发明的优点
本发明提供了完善的分析、鉴别、处理虚假交易的方法,可以有效防止电商平台的刷单欺诈问题,从而提高电商平台的可信度,对防止假冒伪劣商品利用刷单欺骗消费者会有很大的帮助。
附图说明
附图1是本发明实施例1的原理示意图。
具体实施方式
在附图1所示的实施例1中:
商品1的买家有:买家1、买家2、买家3、买家4、买家5;
商品2的买家有:买家1、买家2、买家3、买家4、买家5、买家6;
商品3的买家有:买家1、买家2、买家3、买家4、买家5、买家7;
商品4的买家有:买家1、买家2、买家3、买家4、买家5、买家8;
商品5的买家有:买家1、买家2、买家3、买家4、买家5、买家8。
可见这5种商品的相同买家集合(也就是其各个商品买家集合的交集)是:买家1、买家2、买家3、买家4、买家5。
按照前述的方法,如果相同ID商品购买量阈值设为2,买家1、买家2、买家3、买家4、买家5的刷单疑似度属性值为4。如果刷单疑似度阈值为3,则这五个买家都被确定为刷单手。而这5件商品都将被确定为刷单商品,如果买家6、7、8的购买时间和买家1-5的购买时间相近,则买家6、7的刷单疑似度也被加1。买家8的刷单疑似度被加2。
具体相同买家的对比和分析,程序可以通过对这些商品的买家ID一一进行核对进行。也可以通过将各个买家放入数组或矩阵后进行数学计算进行(比如,如果买家买了产品,该数组内买家对应的数字就是1,没买就是0)。具体的检索方式可以参考现有的技术和数学知识,方法会有很多,不具有创新性,这不是本发明所考虑的重点。这里不进行赘述。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。 其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。 在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个 ......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的鉴别虚假交易及防止刷单的办法及虚假交易的处理装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想 ;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种鉴别虚假交易、防止刷单的方法,其特征是:利用刷单团体的群体特征作为虚假交易的判断依据。
2.如权利要求1所述的鉴别虚假交易、防止刷单的方法,其特征是:虚假交易的监测程序检测分析、统计网上支付平台内一对多付款的单笔交易金额、发生次数,以此作为虚假交易的判断依据之一,前述的“、”包括“和”与“或”两种情况。
3.如权利要求1所述的鉴别虚假交易、防止刷单的方法,其特征是:虚假交易的监测程序检测分析、统计不同ID商品的相同买家情况,以此作为虚假交易判断的依据之一。
4.如权利要求3所述的鉴别虚假交易、防止刷单的方法,其特征是:将同一个电脑登录的账号视为同一个买家。
5.如权利要求3所述的鉴别虚假交易、防止刷单的方法,其特征是:将同一个IP地址登录的账号视为同一个买家。
6.如权利要求1~5所述的任一项鉴别虚假交易、防止刷单的方法,其特征是:所述监测程序检测分析、统计买家的购物频率(一段时间内的购物次数),以此作为判断刷单手的依据之一。
7.如权利要求1~6所述的任一项鉴别虚假交易、防止刷单的方法,其特征是:虚假交易的监测程序检测分析商品的成交率(一个商品在某个时段内的成交量和浏览量之比为成交率),以成交率作为虚假交易判断的依据之一。
8.一种鉴别虚假交易的装置,其特征在于:其内部含有这样的程序,该程序使用至少一项上述权利要求1~7所述的方法鉴别虚假交易。
9.一种鉴别虚假交易的装置,其特征在于:它使用至少一项上述权利要求1-7所述的方法鉴别虚假交易、刷单手。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610244311 | 2016-04-19 | ||
CN2016102443111 | 2016-04-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107305665A true CN107305665A (zh) | 2017-10-31 |
Family
ID=60150496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610440747.8A Pending CN107305665A (zh) | 2016-04-19 | 2016-06-20 | 一种鉴别虚假交易、防止刷单的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107305665A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182587A (zh) * | 2018-01-29 | 2018-06-19 | 北京信息科技大学 | 一种电商平台刷单行为检测方法及系统 |
CN108734506A (zh) * | 2018-04-03 | 2018-11-02 | 中国银联股份有限公司 | 一种欺诈集群的侦测方法、装置及存储介质 |
CN108921568A (zh) * | 2018-05-30 | 2018-11-30 | 中国地质大学(武汉) | 一种区块链数字货币中欺诈行为的检测方法及系统 |
CN109034583A (zh) * | 2018-07-17 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 异常交易识别方法、装置及电子设备 |
CN109784811A (zh) * | 2019-01-15 | 2019-05-21 | 长春市震撼科技有限公司 | 一种用于电子商务的商品销售系统 |
CN109886702A (zh) * | 2017-12-04 | 2019-06-14 | 北京京东尚科信息技术有限公司 | 一种判定业务活动中异常行为的方法和装置 |
CN110555589A (zh) * | 2019-07-31 | 2019-12-10 | 苏宁云计算有限公司 | 风险订单识别方法及装置 |
CN110610365A (zh) * | 2019-09-17 | 2019-12-24 | 中国建设银行股份有限公司 | 一种识别交易请求的方法和装置 |
CN110795723A (zh) * | 2019-11-08 | 2020-02-14 | 浙江执御信息技术有限公司 | 一种判断是否刷单的方法 |
CN113724054A (zh) * | 2021-09-10 | 2021-11-30 | 中国银行股份有限公司 | 人工刷单的检测方法及装置 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN116152001A (zh) * | 2023-04-21 | 2023-05-23 | 深圳市享多多网络技术有限公司 | 一种基于账务数据分析的聚合支付监管系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN103955833A (zh) * | 2014-03-31 | 2014-07-30 | 浙江工商大学 | 基于虚假交易和社交关系矩阵分析的水军身份确认方法 |
CN104462438A (zh) * | 2014-12-15 | 2015-03-25 | 北京搜狗科技发展有限公司 | 一种信息处理方法及装置 |
CN105447740A (zh) * | 2015-11-17 | 2016-03-30 | 北京齐尔布莱特科技有限公司 | 基于Golang的反刷单方法 |
-
2016
- 2016-06-20 CN CN201610440747.8A patent/CN107305665A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN103955833A (zh) * | 2014-03-31 | 2014-07-30 | 浙江工商大学 | 基于虚假交易和社交关系矩阵分析的水军身份确认方法 |
CN104462438A (zh) * | 2014-12-15 | 2015-03-25 | 北京搜狗科技发展有限公司 | 一种信息处理方法及装置 |
CN105447740A (zh) * | 2015-11-17 | 2016-03-30 | 北京齐尔布莱特科技有限公司 | 基于Golang的反刷单方法 |
Non-Patent Citations (1)
Title |
---|
王忠群等: "基于模板用户信息搜索行为和统计分析的共谋销量欺诈识", 《现代图书情报技术2015年》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886702A (zh) * | 2017-12-04 | 2019-06-14 | 北京京东尚科信息技术有限公司 | 一种判定业务活动中异常行为的方法和装置 |
CN108182587A (zh) * | 2018-01-29 | 2018-06-19 | 北京信息科技大学 | 一种电商平台刷单行为检测方法及系统 |
CN108734506A (zh) * | 2018-04-03 | 2018-11-02 | 中国银联股份有限公司 | 一种欺诈集群的侦测方法、装置及存储介质 |
CN108921568A (zh) * | 2018-05-30 | 2018-11-30 | 中国地质大学(武汉) | 一种区块链数字货币中欺诈行为的检测方法及系统 |
CN109034583A (zh) * | 2018-07-17 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 异常交易识别方法、装置及电子设备 |
CN109784811A (zh) * | 2019-01-15 | 2019-05-21 | 长春市震撼科技有限公司 | 一种用于电子商务的商品销售系统 |
CN110555589A (zh) * | 2019-07-31 | 2019-12-10 | 苏宁云计算有限公司 | 风险订单识别方法及装置 |
CN110610365A (zh) * | 2019-09-17 | 2019-12-24 | 中国建设银行股份有限公司 | 一种识别交易请求的方法和装置 |
CN110795723A (zh) * | 2019-11-08 | 2020-02-14 | 浙江执御信息技术有限公司 | 一种判断是否刷单的方法 |
CN113724054A (zh) * | 2021-09-10 | 2021-11-30 | 中国银行股份有限公司 | 人工刷单的检测方法及装置 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN114912510B (zh) * | 2022-04-07 | 2023-08-15 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN116152001A (zh) * | 2023-04-21 | 2023-05-23 | 深圳市享多多网络技术有限公司 | 一种基于账务数据分析的聚合支付监管系统 |
CN116152001B (zh) * | 2023-04-21 | 2023-07-18 | 深圳市享多多网络技术有限公司 | 一种基于账务数据分析的聚合支付监管系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305665A (zh) | 一种鉴别虚假交易、防止刷单的方法及装置 | |
Gregg et al. | The role of reputation systems in reducing on-line auction fraud | |
CN108038696B (zh) | 基于设备标识码和社交群组信息的刷单检测方法及系统 | |
CN110009372B (zh) | 一种用户风险识别方法和装置 | |
Dumanska et al. | E-commerce and M-commerce as Global Trends of International Trade Caused by the Covid-19 Pandemic | |
Wang et al. | Recommending trusted online auction sellers using social network analysis | |
CA2742395C (en) | Evaluating public records of supply transactions | |
Chang et al. | A novel two-stage phased modeling framework for early fraud detection in online auctions | |
US20090307028A1 (en) | A method and a system for identifying potentially fraudulent customers in relation to electronic customer action based systems, and a computer program for performing said method | |
CN110874778A (zh) | 异常订单检测方法及装置 | |
CN105074748A (zh) | 剖析拍卖资产和/或参与者以预测拍卖结果 | |
CN103577987A (zh) | 一种风险用户的识别方法和装置 | |
CN109934369A (zh) | 用于信息推送的方法及装置 | |
Maranzato et al. | Fraud detection in reputation systems in e-markets using logistic regression | |
Maranzato et al. | Fraud detection in reputation systems in e-markets using logistic regression and stepwise optimization | |
CN108573432A (zh) | 用于电子商务的交易监管系统和方法 | |
HaratiNik et al. | FUZZGY: A hybrid model for credit card fraud detection | |
CN103309885B (zh) | 一种在电子交易平台中识别特征用户的方法及装置和搜索方法及装置 | |
Wang et al. | Detecting online auction inflated-reputation behaviors using social network analysis | |
Majadi et al. | Real-time detection of shill bidding in online auctions: A literature review | |
Sumarto et al. | Antecedents of trust and its impact on loyalty: An empirical study on e-commerce's customer in Surabaya | |
Majadi et al. | Analysis on bidding behaviours for detecting shill bidders in online auctions | |
Chengzhang et al. | Detecting spamming stores by analyzing their suspicious behaviors | |
Vikram et al. | Data mining tools and techniques: a review | |
Kokolakis et al. | An analysis of privacy-related strategic choices of buyers and sellers in e-commerce transactions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |