.png){kind=icon}
.png){kind=icon}
返回
Constructing Online Fraud Victimization Models: A Machine Learning Approach
.png){kind=icon}
PRE
AI
DOI：10.1080/24732850.2026.2643611.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络欺诈对公民生命和财产安全构成严重威胁。本研究采用机器学习方法预测网络欺诈受害的可能性。1162名参与者完成了涵盖人口统计学、先前经历和心理特质的调查问卷。在测试的六种算法中，LightGBM取得了最高的分类性能（F1 = 86.78%，AUC = 93.46%，RGA = 86.33%）。特征重要性分析表明，年龄是模型中最强的预测因素，其次是宜人性、保护行为和神经质，用于区分受害者和非受害者。此外，开发了额外的LightGBM模型以检测重复受害和欺诈亚型。这些发现可为早期预警系统和针对性干预措施以打击网络欺诈提供依据。
Keyword:
Online fraud victimization
predicting model
machine learning
psychological traits
期刊
IF:
1.1
论文数:
94
被引数:
229