کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6948454 1451058 2016 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Extracting and reasoning about implicit behavioral evidences for detecting fraudulent online transactions in e-Commerce
ترجمه فارسی عنوان
استخراج و استدلال در مورد شواهد ضمنی رفتاری برای تشخیص معاملات جعلی آنلاین در تجارت الکترونیک
کلمات کلیدی
نظریه شواهد، ادغام شواهد، تشخیص تقلب، تجارت الکترونیکی،
ترجمه چکیده
با رشد انفجاری تجارت الکترونیک در سراسر جهان، نگرانی های روزافزون در مورد حملات معامله جعلی محرمانه در تجارت الکترونیک وجود دارد. سهم اصلی تحقیق ما این است طراحی یک چارچوب تشخیص جدید که می تواند به دلیل رفتار آنلاین کاربر نامحدود برای تشخیص معاملات جعلی محرمانه باشد. بر اساس داده های واقعی معاملات و کاربردهای رفتاری که از یکی از بزرگترین سیستم عامل های تجارت الکترونیک در جهان جمع آوری شده است، نتایج تجربی ما تایید می کند که چارچوب تشخیص پیشنهادی می تواند به طور متوسط ​​میزان واقعی تشخیص مثبت 83 درصد را بدست آورد، در حالی که نرخ زنگ هشدار اشتباه در تا حد 2.4٪ پایین است. به طور کامل از دانش ما این یکی از بزرگترین مطالعات مقدماتی برای شناسایی معاملات جعلی در تجارت الکترونیک است. مفهوم مدیریتی تحقیق ما این است که مدیران سیستم عامل های تجارت الکترونیک می توانند چارچوب ما را برای شناسایی و جلوگیری از حملات متقابل جعلی اعمال کنند و از این رو تجارت الکترونیک منصفانه در جهان تجارت الکترونیک در حال توسعه در حال رشد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
استخراج و استدلال در مورد شواهد ضمنی رفتاری برای تشخیص معاملات جعلی آنلاین در تجارت الکترونیک
چکیده انگلیسی
With the explosive growth of e-Commerce worldwide, there are also growing concerns about collusive fraudulent transaction attacks in e-Commerce. The main contribution of our research work is the design of a novel detection framework that can reason about implicit online user behavior for detecting collusive fraudulent transactions. Based on real transactional and user behavioral data collected from one of the largest e-Commerce platforms in the world, our experimental results confirm that the proposed detection framework can achieve an average true positive detection rate of 83% while the false alarm rate is kept at as low as 2.4%. To the best of our knowledge, this is one of the largest scale studies toward the detection of fraudulent transactions in e-Commerce. The managerial implication of our study is that administrators of e-Commerce platforms can apply our framework to detect and prevent fraudulent transaction attacks, and hence fair electronic trading is upheld in the ever expanding e-Commerce world.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 86, June 2016, Pages 109-121
نویسندگان
, , , , , ,