近年來(lái),隨著互聯(lián)網(wǎng)的發(fā)展,網(wǎng)上交易的數(shù)量迅速增長(zhǎng)。然而,與之相伴的不僅僅是商機(jī)與便利,還存在著許多異常行為威脅著商家與用戶的利益和安全,例如賬號(hào)盜用、薅羊毛等。因此,人們需要一個(gè)合適的用戶建模方法來(lái)發(fā)掘那些已經(jīng)發(fā)生的異常行為并預(yù)防潛在的威脅與損失,而作為用戶行為記錄的操作事件序列是一個(gè)不錯(cuò)的切入點(diǎn)。用戶的操作事件序列由一系列按時(shí)間排序的操作事件組成,其中的每一操作事件記錄了用戶單次操作的具體信息,包含用戶地址、設(shè)備狀況、操作類(lèi)型等相關(guān)事件屬性。傳統(tǒng)的異常檢測(cè)方法通常使用基于先期觀察的手工特征,不僅代價(jià)高昂,而且受到特征設(shè)計(jì)人員個(gè)人能力的限制,也面臨著用戶標(biāo)簽信息數(shù)量有限、分布高度不平衡的問(wèn)題。為了應(yīng)對(duì)這些挑戰(zhàn),本文為網(wǎng)上交易數(shù)據(jù)設(shè)計(jì)了一種基于圖的異常檢測(cè)框架用于對(duì)用戶行為進(jìn)行建模并檢測(cè)異常用戶。首先,從用戶操作事件序列中構(gòu)建一張事件屬性圖,用于捕捉事件內(nèi)部以及相鄰事件之間事件屬性的聯(lián)系。其次,基于事件屬性圖和用戶操作事件序列的指引,學(xué)習(xí)事件屬性的向量表示,用作用戶圖的初始輸入。然后,使用與事件屬性圖類(lèi)似的圖生成方式為每個(gè)用戶生成用戶圖,用于代表用戶的行為,并根據(jù)用戶操作事件序列和事件屬... 

【文章來(lái)源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 異常檢測(cè)的研究現(xiàn)狀
        1.2.2 事件序列建模的研究現(xiàn)狀
        1.2.3 網(wǎng)絡(luò)表示學(xué)習(xí)的研究現(xiàn)狀
        1.2.4 圖神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 本章小結(jié)
第2章 基于圖的網(wǎng)上交易數(shù)據(jù)異常檢測(cè)框架
    2.1 網(wǎng)上交易數(shù)據(jù)異常檢測(cè)問(wèn)題定義
    2.2 基于圖的網(wǎng)上交易數(shù)據(jù)異常檢測(cè)框架概述
    2.3 基于圖的網(wǎng)上交易數(shù)據(jù)異常檢測(cè)框架基本模塊
        2.3.1 事件屬性圖構(gòu)建
        2.3.2 事件屬性表示學(xué)習(xí)
        2.3.3 用戶圖構(gòu)建
        2.3.4 用戶表示學(xué)習(xí)與異常檢測(cè)
    2.4 本章小結(jié)
第3章 基于圖的網(wǎng)上交易數(shù)據(jù)異常檢測(cè)實(shí)驗(yàn)與結(jié)果分析
    3.1 網(wǎng)上交易數(shù)據(jù)異常用戶檢測(cè)實(shí)驗(yàn)與結(jié)果分析
        3.1.1 數(shù)據(jù)集簡(jiǎn)介
        3.1.2 異常檢測(cè)對(duì)比方法介紹
        3.1.3 實(shí)驗(yàn)結(jié)果分析
    3.2 網(wǎng)上交易數(shù)據(jù)異常檢測(cè)模型階段性輸出案例分析
        3.2.1 事件屬性圖案例分析
        3.2.2 用戶圖案例分析
        3.2.3 屬性表示與用戶表示案例分析
    3.3 本章小結(jié)
第4章 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3638644