Числовой

Том 13 научных докладов, Номер статьи: 12499 (2023) Цитировать эту статью

138 Доступов

1 Альтметрика

Подробности о метриках

Организованная преступность в розничной торговле (ORC) является серьезной проблемой для ритейлеров, торговых площадок и потребителей. Его распространенность и влияние быстро росли одновременно с расширением онлайн-торговли, цифровых устройств и коммуникационных платформ. Сегодня это дорогостоящее мероприятие, наносящее ущерб общим доходам предприятий и постоянно ставящее под угрозу безопасность общества. Эти негативные последствия могут достичь беспрецедентных высот по мере того, как все больше людей и устройств подключаются к Интернету. Обнаружение этих ужасных действий и реагирование на них как можно раньше имеет решающее значение для защиты потребителей и бизнеса, а также для отслеживания растущих моделей мошенничества. Вопрос выявления мошенничества в целом широко изучен, особенно в сфере финансовых услуг, однако исследования, посвященные организованной розничной преступности, в литературе встречаются крайне редко. Чтобы внести свой вклад в базу знаний в этой области, мы представляем масштабируемую стратегию машинного обучения для обнаружения и изоляции списков ORC на известной торговой платформе торговцев, совершающих организованные розничные преступления или мошенничество. Мы используем контролируемый подход к обучению, чтобы классифицировать сообщения как мошеннические или настоящие на основе прошлых данных о поведении и транзакциях покупателей и продавцов на платформе. Предлагаемая структура сочетает в себе специальные процедуры предварительной обработки данных, методы выбора признаков и современные методы разрешения асимметрии классов для поиска согласованных алгоритмов классификации, способных различать мошеннические и законные списки в этом контексте. Наша лучшая модель обнаружения получает показатель отзыва 0,97 для контрольного набора и 0,94 для набора тестовых данных вне выборки. Мы достигли этих результатов на основе избранного набора из 45 функций из 58.

В последнее время наблюдается рост использования интернет-торговли и коммуникационных платформ, чему еще больше способствовала пандемия COVID-19. Сегодня, больше, чем когда-либо прежде, значительная часть населения занимается обычной деятельностью в Интернете и дома, включая работу, учебу, покупки, визиты к врачу и развлечения1. Киберпреступность и мошенничество существенно расширились в связи с широким использованием цифровых устройств и платформ2, продолжая тенденцию к потере миллиардов долларов3 мировой экономики и угрозе безопасности общества4.

Киберпреступность и мошенничество включают в себя широкий спектр отвратительных действий, включая фишинг, вредоносное ПО, мошенническую электронную коммерцию, любовное мошенничество, мошенничество с технической поддержкой, вымогательство или шантаж, а также отказ в обслуживании1. Кроме того, имеют место случаи кражи кредитных карт, отмывания денег и плагиата. Обе практики оказывают пагубное воздействие как на предприятия, так и на клиентов, создавая значительную экономическую, репутационную и психологическую опасность для этих организаций.

Борьба с киберпреступностью и мошенничеством — трудоемкая и дорогостоящая задача, поскольку злоумышленники постоянно развиваются и извлекают выгоду из новых возможностей для использования уязвимостей существующих систем защиты и обнаружения мошенничества. Низкие усилия в области развития еще больше усугубляют проблему, ограничивая обмен идеями в области исследований мошенничества. Например, нет смысла публично объяснять методы обнаружения или предотвращения мошенничества, поскольку это может предоставить мошенникам информацию, необходимую для того, чтобы избежать обнаружения.

Когда дело доходит до борьбы с киберпреступностью и мошенничеством, будь то путем предотвращения или обнаружения, в литературе описаны две основные методологии. Профилактика – это шаги, предпринятые в первую очередь для предотвращения совершения таких действий. К ним относятся сложные конструкции, персональные идентификационные номера, интернет-безопасность для онлайн-взаимодействия с цифровыми платформами, а также пароли и механизмы аутентификации для компьютеров и мобильных устройств5. Ни одно из этих решений не является идеальным; часто приходится искать компромисс между затратами (для бизнеса) и дискомфортом (для клиента). С другой стороны, выявление предполагает признание мошеннических действий сразу же после их совершения5. Когда профилактика не дает результатов, она становится существенной. Например, мы можем предотвратить мошенничество с кредитными картами, коварно защищая наши карты, но если информация о карте украдена, мы должны заметить мошенничество как можно скорее5.