.png){kind=icon}
返回
Fraud detection at eBay
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ememar.2025.101277.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
欺诈检测是电子商务领域的一个关键研究课题，旨在应对动态异构性和相互关联的欺诈模式等挑战。现有方法包括基于规则和机器学习系统，但基于图的方法日益关键。本文首次对现实世界电子商务环境（如eBay）中的欺诈检测进行了系统性综述，利用交易日志和用户行为等多源数据，并处理信息异构性、可扩展性、图动态性、可解释性和适应性等挑战。我们还重点介绍了eBay在设计和部署可解释欺诈检测系统方面的努力，该系统采用针对部署需求的图神经网络（GNNs），并提供了推动研究进展的见解和建议。
Keyword:
Graph neural networks
Transaction fraud detection
Explainability
User behavioral embedding
Click stream
期刊
IF:
4.6
论文数:
1.1K
被引数:
3.3K
机构
引用论文
Towards the development of an explainable e-commerce fake review index: An attribute analytics approach开发可解释的电子商务虚假评论指数: 一种属性分析方法
OAAI
OAAI分享收藏Secure and Scalable Blockchain-Based Federated Learning for Cryptocurrency Fraud Detection: A Systematic Review用于加密货币欺诈检测的安全和可扩展的基于区块链的联合学习: 系统综述.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Joint Credibility Estimation of News, User, and Publisher via Role-relational Graph Convolutional Networks基于角色关系图卷积网络的新闻、用户和发布者联合可信度估计
PREAI
分享收藏
查看更多内容