移动电子支付中交易异常行为的检测方法研究

发布时间：2017-04-08 08:02

  本文关键词：移动电子支付中交易异常行为的检测方法研究，由笔耕文化传播整理发布。

【摘要】：随着互联网的发展也带动电子商务不断发展着,其中网上支付技术又成为了支撑电子商务的关键技术。但由于用户基数越来越大,对于用户数据处理的服务器要求越来越高,给服务器造成很大压力。本文提出的异常交易检测模型分别从时间复杂度和准确性分析角度来对比验证了本文提出的改进型贝叶斯网络结构学习方法的对于减少服务器压力和维持结构稳定性的结论。 本文分析了贝叶斯网络结构学习算法中的评分搜索方法(K2算法及MCMC算法)存在的缺点基础上,提出一种基于评分搜索的改进贝叶斯网络结构学习算法。本文主要研究工作和创新点主要体现在以下方面： 本文分析发现了MCMC理论算法是在拓扑网络未知但数据属性量完整的状况下进行拓扑学习的比较好的解决方案,但发现这个拓扑学习方法初始拓扑网络对于其网络构成产生很大的约束,这样的训练所产生的结构特别容易会产生局部最优。 K2算法这个算法集中解决在拓扑网络未知和数据集完整前提下的拓扑训练,这是一种广受欢迎的贝叶斯网络结构学习算法。但经分析K2算法前提条件是先得到拓扑节点的父子关系顺序,这句话的意思就是需要专家干预才能进行下去。 根据上述表述的对于MCMC算法和K2算法的优点和缺点,我提出了一种基于K2和MCMC算法的改进型算法用于贝叶斯网络结构学习,K2和MCMC方法都是很有优势的,我采用模型平均理论结合K2和MCMC理论进行结构学习方法改进。理论的部分最优不能代表整体上最优,单一理论给予的计算趋势结论是有误差的,这时候模型平均理论就可以用上了,它可以使误差的概率变小,使计算趋势与事实更加贴近,探索结论从独立最优理论变为全集最优理论。所以,改进型贝叶斯拓扑网络训练方法第一步使用MCMC探索理论和模型平均方法来训练拓扑的节点上的次序,这样,就能得到全集最优的节点次序了；然后,把已得到的节点次序的结论用到K2理论把所有节点的后验概率算出,再进行对比得出最优拓扑网络。 我推导出的改进算法经过和K2算法和MCMC算法的实验结果对比,从准确性分析和时间复杂度角度验证我的改进型算法的结构学习质量和效率性比K2算法和MCMC算法要高(经验证,K2算法和MCMC算法跟其他传统评分搜索相比具有高学习质量和高效率性)。 此种方法一定程度上解决了单纯因素逐个处理各个属性数据造成的服务器压力以及个性化智能识别,具有现实的研究意义。
【关键词】：数据挖掘 贝叶斯网络 异常交易 移动电子支付
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;TP393.08
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 引言9-12
• 1.1 课题研究的背景和意义9
• 1.2 国内外研究现状9-11
• 1.2.1 贝叶斯网络拓扑训练方法的研究现状9-10
• 1.2.2 贝叶斯网络实证应用现状10-11
• 1.3 本文主要工作和组织结构11-12
• 2 异常交易的定义及危害12-13
• 2.1 异常交易的定义12
• 2.2 异常交易的危害12
• 2.3 异常交易的现状12-13
• 3 支付系统对于异常行为处理的工作原理13-15
• 3.1 我国移动电子支付安全现状13
• 3.1.1 安全合规现状13
• 3.2 风险控制管理系统概述13-14
• 3.3 风险控制体系的实现过程14-15
• 3.4 相关属性量15
• 4 贝叶斯网络的发展15-19
• 4.1 贝叶斯网络的历史15-17
• 4.1.1 贝叶斯统计学15-16
• 4.1.2 贝叶斯网络及人工智能的兴起16-17
• 4.1.3 贝叶斯网络17
• 4.2 贝叶斯网络结构学习相关理论方法17-18
• 4.3 贝叶斯网络过程及常用应用领域概述18-19
• 5 定义移动电子支付异常行为属性量19-21
• 5.1 交易时间19
• 5.2 访问时长19
• 5.3 交易位置19-20
• 5.4 交易金额20
• 5.5 商品类型20
• 5.6 异常判断20-21
• 6 K2算法、MCMC算法及模型平均理论分析21-24
• 6.1 分析MCMG拓扑网络学习优缺点21
• 6.2 分析K2拓扑网络学习优缺点21-22
• 6.3 模型平均理论介绍22-24
• 6.3.1 模型平均理论介绍及理论目的22-24
• 6.3.2 模型平均的历史及实证24
• 7 研究基于MMHC及K2算法结合构建改进型贝叶斯网络24-28
• 7.1 结构学习算法研究思路24-25
• 7.2 研究改进型贝叶斯拓扑网络训练方法25-28
• 7.2.1 改进说明25
• 7.2.2 定义算法步骤25-27
• 7.2.3 改进评分算法理论性分析27-28
• 8 研究的改进算法实证分析28-33
• 8.1 改进算法准确性分析28-32
• 8.2 改进型算法时间复杂度分析32-33
• 9 结论33-35
• 参考文献35-37
• 附录37-38
• 申请学位期间的研究成果及发表的学术论文38-39
• 致谢39

【参考文献】

中国期刊全文数据库 前1条

1 王双成,苑森淼;具有丢失数据的贝叶斯网络结构学习研究[J];软件学报;2004年07期

中国博士学位论文全文数据库 前1条

1 朱明敏;贝叶斯网络结构学习与推理研究[D];西安电子科技大学;2013年

  本文关键词：移动电子支付中交易异常行为的检测方法研究，，由笔耕文化传播整理发布。

本文编号：292395