2B2电子商务平台欺诈用户识别范文

【摘要】

B2B电子商务是在市场经济和网络科技迅速发展的基础上兴起的，与此同时，B2B电子商务的兴起也反作用于市场经济。

【关键词】

B2B;电子商务;市场经济;网络

企业是市场经济的主体，B2B电子商务极大地推动了企业的发展与进步，提高了市场经济的效率，缩小了人与企业、企业与企业之间在时间与空间上的距离，使交易的过程更加简单化。例如，我们身边最常见的网购现象也得益于此，它为人们的生活带来了便利，将消费者与市场紧密地联系在一起，为人们和市场架起了重要的沟通桥梁，即使足不出户，消费者们也可以随心所欲的购买商品。但请不要忽略任何事物的发展都有其利弊的两面性，当今世界机遇与挑战并存，B2B电子商务的发展也遵循这一规律，它在为企业带来巨大的利益和商机的同时，企业也需要承担其带来的相应的风险，其根本原因是电子商务在交易过程中，其信息具有很大一部分的不一致性，也叫作不对称性。信任是经济发展与合作中强有力的基础，然而信任的缺失也损害了电子商务的长远利益。

造成这种现象，我相信是大多数消费者们不愿看到的。网络是一个巨大的发展空间，人们往往愿意沉溺于此而无法自拔是因其有强大的虚拟和隐蔽功能，身在其中会感到自由与快乐，不会像在现实中那样有制约力，但这样的性能一旦被那些不怀好意的商家和企业利用，那些网络欺诈行为就会乘虚而入蒙蔽人们的双眼，使得人们无法准确地判断信息，即使发现判断失误，消费者想去对商家进行追究也并非是轻而易举的。当那些企业发现这一特点时，更加猖獗，它们随意地在网上散布各式各样的信息，丰富多彩的新闻抓住消费者的好奇心从而吸引住他们的眼球，已达到扩大经济效益和增强自己企业影响力的目的。这种网络欺诈行为的肆虐逐渐地击垮了人们对电子商务交易的信心，消费者们对于那些电子商务交易望而却步，这也在某种程度上影响了电子商务的前进，如果不及时对这种网络欺诈行为进行有效的制约和管理，那么在不久的将来，电子商务的发展将会停滞不前，因此，我们必须要对各种网络欺诈行为加以有效辨别，提高自身警惕意识，保护消费者的合法权益。

“电子商务”是一种全新的商业交易模式，它在20世纪90年代初期兴起于欧美国家，并迅速蔓延到世界各地。我国是起步相对较晚的，1995－2002年我国处于萌芽阶段，B2B电子商务的发展是不平衡的，2003年到2006年处于快速发展时期，出现了一系列优秀的网站。2007到现在我国处于深入发展的阶段，其初发展是稳定的，但一场金融危机也暴露我国了电子商务的众多弊端。B2B电子商务具有规模收益递增、具有较强的专业知识、企业间基于建立牢固的合作关系等重要的特征，主要的业务模式分为自营交易、第三方协同交易、联盟交易，它们能够将网络与客户、商家紧密联系在一起，在某一特殊行业可以为双方的交易提供了一个专有的服务平台，是一种横向与纵向兼有的交易模式。近些年来，我国对互联网的发展情况进行多次的分析，截止到2013年底，我国的网民数量就已超过两亿，这一可观的数字也证明了我国网络市场的发展已有了前所未有的突破，是可喜可贺的。网络欺诈的问题一开始就存在，数年之前，我国在阿里巴巴交易市场就已发生数以万计的诈骗案件。这种现象是难以杜绝的，如今在这样一个开放、自由的空间里这种行为已经司空见惯甚至愈演愈烈，它为那些不良商家披上了一件隐形的外套，蒙蔽了消费者的眼睛，诚信是每个商家所必备的最基本的品质，然而这种品质的缺失已经严重地打击了消费者的信心，那些眼花缭乱的商业信息令消费者防不胜防难以察觉，营造一个纯净，健康，安全的网络环境，为消费者提供一个诚信可靠的消费平台是目前的首要任务。造成这种网络欺诈行为频频发生的主要原因是电子商务中信息的不对称性。1970年，美国经济学家乔治•阿克洛夫曾首次提出了信息不对称的观点，通常情况下卖家一定是更熟知自己所经营的产品的性能、功用以及市面上的价格，而买家却不尽如此，他们并不能很好地掌握商品在市面上的行情和信息，在这样的情况下，卖家便可以相应地在一定程度上抬高商品的价格，有些不良商家甚至漫天要价超出了商品本身的价值以便于谋取暴利。随着社会的进步，如今市面上流通的商品的分工都是相当细化的，每一个环节都有相应的团队负责，最后形成一个完整的产品，虽然这样会使商品的质量大大提高，但这样也就导致了很难准确地估量商品的最终价值。人们在进行购买时也会货比三家，但大家获得的信息量毕竟是有限的不是完全的，这也造成了消费者在购买过程中的失误。

在人们不断筛选大量的商品信息时，也会被那些错误的信息所迷惑，所以想要在短时间内获得准确无误的比较信息，也要付出相对高额的成本。另外，部分商家也会故意地隐瞒商品的信息，从中欺骗消费者的钱财。总结起来，社会分工不同，消费者的有限理性，参与人的信息搜索成本障碍，以及信息优势的隐匿功能都是造成电子商务信息的不对称性的原因。这种网络购物与我们平时在市面上看到的是不同的，在商场购物我们可以放心地购买自己所钟爱的品牌，在他的背后会有商家以及整个集团做坚实的后盾，消费者可以安心买到所谓的正品。但到了网络上，即使打出假一赔十这种响亮的口号，在当今这个虚假信息肆虐的时代也显得很苍白无力，虚假产品的乘虚而入造成了网络市场的混乱。网络欺诈的类型各式各样，涉及多个领域，在我们身边我们就经常有这种案件发生，例如，信用卡欺诈，诈骗团伙利用一定的手段获取持卡人的资料信息，在持卡人完全不知情的情况下透资信用卡。网络投资欺诈，他们向投资者承诺在短期内会带来巨大的收益，但到最后投资者不仅血本无归还会负债累累。网上贩卖假药，商贩用低廉的成本，刻意夸大药的疗效来吸引那些救病心切的患者从中牟取暴利。

任何事件的分析都不能缺少大量的数据来支撑，我们不是仅仅需要那些数据呈现出来的表面化形式，还需要去深入探究与挖掘这些数据深层存在的内涵。于是，我们要进行数据挖掘。目前来看，数据挖掘还没有一个标准的概念，通常研究人员会根据自己的研究领域来确定数据研究的具体含义进而提出观点。一些学者认为，数据挖掘是发现数据中深藏的一些有价值的信息，这一过程是相当重要的。也有学者认为，数据挖掘是挖掘出隐藏在数据中重要的养分，是人们所需要的真理内容，是重要的知识。另外还有一些研究人员认为，数据与数据之间一定存在着规律，有某种必然的联系，数据挖掘是通过巨大的数据信息量发现某种隐藏的规律，从而得出某种有价值的规律。由此可以得出，数据发掘是一种分析一些特有数据至关重要的模式。数据挖掘可以迅速地处理大量的信息，并从中提取出所需要的，面对困难复杂的内容，也会采取相应的技术和解决方案，将有用的信息统计在一起。在这个信息化时代，数据挖掘为了跟上时代的脚步，时刻跟踪在信息的最前端，能够在第一时间内更新出最新的信息，这样就会有效地抓住一切有价值的内容，不会出现任何的遗漏。数据挖掘对那些不可知的问题是绝对有效的。如果我们能够成熟的运用数据挖掘，相信在筛选信息的过程中一定可以迅速得到自己所需要的内容，减少在电子商务交易过程中的决策失误和上当受骗事件的发生。数据挖掘不仅可以保护消费者的合法权益，它还能极大提高商家的经济利益，首先，它能将相关联的信息统计在一起，当一个商品的供求量、价格发生变化时，数据挖掘可以很快地掌握其互补品和替代品相应的数据，从互补品的角度来说，如果商家经营的是相机，牙刷，筷子，帽子等商品，那么信息挖掘的过程中一定会分析胶卷，牙膏，碗碟，围巾等商品的变化。从互为替代品的角度来说，如果商家经营的是大米，猪肉，苹果，空调等商品，那么信息挖掘过程中一定会分析白面，牛肉，橙子，风扇等商品的变化。这种关联规则分析能有效地促进商品的买卖并及时满足消费者的需求，从而达到一种相应的供求平衡进而使商家实现盈利的根本目的。数据挖掘的过程是复杂的，首先我们一定要明确研究的方向和问题，并针对问题确定最合适的挖掘数据的方法。第二步，我们将要对收集的大量数据进行处理，在这个步骤中我们需要收集大量与问题相关的信息，这一步骤完成的好坏直接影响着我们信息挖掘结果的准确程度。前面两个步骤是准备工作，为数据挖掘做铺垫，接下来的数据挖掘也是最具有关键性和困难程度的一步，它将针对用户的各种需求对前面收集的数据进行计算，分析和筛选，最常见的技术方法有分类、聚类、关联规则、粗糙集、神经网络、决策树等。最后一步，就像是数学运算中需要检验一样，将我们数据挖掘后得出的结果加以分析和验证，保留出客户所需要的有用信息，再将其他信息删除。前面介绍了网络欺诈的现象和原因以及数据挖掘的具体运作流程和方法，那么现在我们就要将二者有机地结合在一起。我们必须严肃对待那些诈骗行为，完善惩治措施，加大打击力度，让那些诈骗行为永不见天日。那么数据挖掘技术是如何在欺诈检测中进行应用的呢?《基于关联规则挖掘的信用卡欺诈研究》一文中，作者李颖就是利用关联规则将信用卡持卡人的多重潜在信息联系在一起，以此来判断使用信用卡的人究竟是不是持卡人。同类的还有很多，在《运用数据挖掘技术进行信用卡欺诈预测》一文中作者李一鸣利用了神经网络、孤立点和序列分析等技术向广大持卡人提供在信用卡诈骗这一方面的解决方法。我们也可以利用这些技术解决在金融、电信等其他众多领域的诈骗问题。

决策树是数据挖掘过程中一个重要的计算方法，它从属于分类方法，运算过程中，先是对大量的数据进行处理，抓住其中的关键点，总结出易于理解的规则和决策树，再对新产生的数据进行分析。从根本上来讲，决策树是一个利用一系列规则对数据进行分析的庞大过程。决策树的优点在于它的分类精度高;生成模式简单;对噪声数据有很好的健壮性。在目前来看，决策树是应用最广泛的运算归纳方法之一，在数据挖掘过程中受到研究人员的广泛关注。但这种算法也有它固有的弊端，它的分类规则相对比较烦琐，面多大量的数据，错误的产生可能就比较快，针对有噪声的情况下，对训练数据不能够很好地进行预测等问题。为了解决这些决策树的问题，研究人员提出了更有效的运算方法———随机森林算法，随机森林在面对大量的数据时更能从容不迫，相比于决策树，在运算精确度的方面又上升到了一个新的高度，处理变量数据时具有较好的稳定性能，有效地平衡数据与数据之间的误差。正是因为随机森林的运行速度快，也就极好地解决了决策树中过度拟合的问题。根据这些优点，随机森林成了数据挖掘领域内的一个新热点。随机森林的成功运用是依靠于精准的数学原理作为理论基础，为运算过程提供强有力的保障。其中RF大数定律，是保证不会过度拟合的重要原理。随机森林在面对网络欺诈问题上，能够快速地识别出那些欺诈用户。因此，B2B电子商务网站健康良好的网络环境需要随机森林来维持。

面对大量的数据，我们在收集或查询数据的过程中经常会遇到被拖延的问题，为了解决这个问题，相关人员逐渐研发出来解决该问题的软件。其中R软件，我认为是最便捷有效的，它是一个免费的自由软件，大家可以免费地下载安装，它在解决问题的同时也降低了用户的成本。在快速处理数据之后能够迅速保存，不用担心数据遗失的问题发生，运算过程中能够保持数据的连贯性。R软件的应用范围并非狭隘，不仅是一款简单的数学应用软件，它还广泛应用于医药制造业，航天航空业，计算机互联网产业等等，是一款性能较好的数据挖掘工具。

作者：张程涵 单位：辽宁理工学院