电子商务欺诈侦查机器学习:研究议程 (Machine Learning for Fraud Detection in E-Commerce: A Research Agenda)

from arxiv, Accepted and to appear in the proceedings of the KDD 2021 co-located workshop: the 2nd International Workshop on Deployable Machine Learning for Security Defense (MLHat)

Fraud detection and prevention play an important part in ensuring the sustained operation of any e-commerce business. Machine learning (ML) often plays an important role in these anti-fraud operations, but the organizational context in which these ML models operate cannot be ignored. In this paper, we take an organization-centric view on the topic of fraud detection by formulating an operational model of the anti-fraud departments in e-commerce organizations. We derive 6 research topics and 12 practical challenges for fraud detection from this operational model. We summarize the state of the literature for each research topic, discuss potential solutions to the practical challenges, and identify 22 open research challenges.

翻译：发现和预防欺诈在确保任何电子商务业务持续运作方面起着重要作用,机器学习在这些反欺诈业务中往往发挥重要作用,但不能忽视这些ML模式运作的组织背景,在本文件中,我们通过在电子商务组织中制定反欺诈部门的业务模式,对欺诈发现问题采取以组织为中心的观点,我们从这一业务模式中得出6个研究专题和12个欺诈发现实际挑战。我们总结了每个研究专题的文献状况,讨论了解决实际挑战的可能办法,并确定了22个公开研究挑战。

相关内容

Machine Learning

关注 2231

机器学习（Machine Learning）是一个研究计算学习方法的国际论坛。该杂志发表文章，报告广泛的学习方法应用于各种学习问题的实质性结果。该杂志的特色论文描述研究的问题和方法，应用研究和研究方法的问题。有关学习问题或方法的论文通过实证研究、理论分析或与心理现象的比较提供了坚实的支持。应用论文展示了如何应用学习方法来解决重要的应用问题。研究方法论文改进了机器学习的研究方法。所有的论文都以其他研究人员可以验证或复制的方式描述了支持证据。论文还详细说明了学习的组成部分，并讨论了关于知识表示和性能任务的假设。官网地址：http://dblp.uni-trier.de/db/journals/ml/