[发明专利]基于用户行为数据特征的刷单检测方法及系统

说明书

本发明提出一种基于用户行为数据特征的刷单检测方法及系统，该方法包括：获取当前待检测交易的交易行为信息，包括多维度的行为特征属性；输入所述交易行为信息至预先建立的大数据离群预测模型，提取出当前待检测交易中离群的行为特征属性，而判定其对应的交易行为为异常交易行为；针对所述异常交易行为的各个离群的行为特征属性，获取基于离群对应的行为特征属性构建的决策树进行验证，以判定所述异常交易行为是否为刷单行为。有效避免现有基于订单销量统计或简单规则的反刷单方式在应对日益专业的刷单手段时识别率偏低、容易失效等缺陷。

技术领域

本发明涉及电子商务信息技术领域，尤其涉及的是一种基于用户行为数据特征的刷单检测方法及系统。

背景技术

在电子商务飞速发展的今天，网上购物已经变得十分普及，消费者在享受电子商务带来便捷的同时，也深受电子商务发展过快所带来的信誉欺诈问题的影响。目前，在电子商务的交易中，卖家和买家都是通过网络进行交易的，买家不了解卖家的实际情况，也无法看到实物本身，不知道卖家商品的好坏，只能通过网上的一些信息去进行判断。对于消费者来说，购物最主要的就是看卖家的商品描述、卖家的信誉、别人对于自己想购买的物品的评价。

随着电子商务市场规模蓬勃发展，卖家的竞争越来越大，商家付出的广告费、推广费与商品的销量和流量都有关系，销量好的商品可以得到更多的展示机会且更容易取信消费者。因此，一些不法商家通过刷单手段，获取平台更多的资源，以达到提升展现机会和销售转化的目的，这对诚信经营的商家和被误导的消费者造成了严重的伤害。此外，虚假交易行为严重扰乱了电商市场的正常秩序，更有甚者，借用刷单行为来进行诈骗，造成了严重的社会危害。

传统的反刷单方法往往基于某一商品的订单量在某段时间内的异常增长、大量相同访问IP及相同物流编号等信息对刷单行为进行识别。这种反刷单方法准确率低、识别效率不高且难以识别隐蔽的专业刷单行为。

发明内容

本发明所要解决的技术问题是提供一种基于用户行为数据特征的刷单检测方法及系统，有效避免现有基于订单销量统计或简单规则的反刷单方式在应对日益专业的刷单手段时识别率偏低、容易失效等缺陷。

为解决上述问题，本发明提出一种基于用户行为数据特征的刷单检测方法，包括以下步骤：

S1：获取当前待检测交易的交易行为信息，包括多维度的行为特征属性；

S2：输入所述交易行为信息至预先建立的大数据离群预测模型，提取出当前待检测交易中离群的行为特征属性，而判定其对应的交易行为为异常交易行为；所述大数据离群预测模型的建立步骤如下：

获取一定时间段内一定量的用户购买商品所发生的交易行为信息；

针对各个用户的交易行为信息，统计用户的多维度的行为特征属性，并将各个用户的行为特征属性依据属性关键词进行自动分集合归类；

对分集合归类的各个行为特征属性进行离群分析，建立大数据离群预测模型；

S3：针对所述异常交易行为的各个离群的行为特征属性，获取基于离群对应的行为特征属性构建的决策树进行验证，以判定所述异常交易行为是否为刷单行为。

根据本发明的一个实施例，所述多维度的行为特征属性包括：交易频率、售前咨询比率、复购率、确认收货时间、长评价比率、交易前网站页面浏览时长；

所述步骤S2中，将各个用户的行为特征属性依据属性关键词进行自动分集合归类后，对应得到包含有对应行为特征属性的数据集合A-F。

根据本发明的一个实施例，所述步骤S2中，