[发明专利]一种基于改进LOF算法的电商刷单行为检测方法在审
| 申请号： | 201910242223.1 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN109948724A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 杨宝华 | 申请（专利权）人： | 山东浪潮云信息技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q30/00 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜明 |
| 地址： | 250100 山东省济南市高*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明特别涉及一种基于改进LOF算法的电商刷单行为检测方法。该基于改进LOF算法的电商刷单行为检测方法，针对电商刷单的行为特征，进行数据特征选择作为LOF算法的数据集，并将整个数据集随机划分为不同的数据子集；采用LOF算法基于数据子集的划分计算数据点局部离群因子LOF值；在循环计算中不断剔除密度较大的数据点，剩余数据点即为可能的异常数据点。该基于改进LOF算法的电商刷单行为检测方法，基于数据子集的划分以及在循环中不断剔除密度较大的数据点，缩短了LOF算法运行时间，大大提高了大规模数据集异常值检测的效率，能够准确检测到电商企业旗下商品的刷单问题，避免金融机构在授信过程中受到电商企业信誉欺诈影响，造成信贷损失。 | ||
| 搜索关键词： | 算法 行为检测 数据子集 数据点 数据集 改进 剔除 大规模数据集 异常值检测 计算数据 金融机构 企业信誉 剩余数据 数据特征 行为特征 循环计算 异常数据 准确检测 欺诈 信贷 | ||
【主权项】：
1.一种基于改进LOF算法的电商刷单行为检测方法，其特征在于，包括以下步骤：(A)针对电商刷单的行为特征，进行数据特征选择作为LOF算法的数据集，并将整个数据集随机划分为不同的数据子集；(B)采用LOF算法基于数据子集的划分先计算数据点的第K距离邻域，然后计算数据点的局部可达密度LRD值和局部离群因子LOF值；(C)在循环计算中不断剔除密度较大的数据点，对数据特征选择不断修正，剩余数据点即为可能的异常数据点，有效缩减在大数据集异常值检测运行时间。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东浪潮云信息技术有限公司，未经山东浪潮云信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910242223.1/，转载请声明来源钻瓜专利网。
