面向大数据流的信用攻击群体及关键人物发现方法研究

The ubiquity of trust lack has become one of the key problems that restrict further development of electronic commerce. Under cascading behavior and clustering behavior, organizational group attacks can lead unbalance of electronic commerce reputation systems, decrease trustworthiness of trading environments, and finally affect sustainable development of electronic companies. Therefore, research contents of this proposal are as follows. Based on the big data flow of e-commerce transactions, this proposal first studies the partitioning method of time slots and the detection model for checking whether a seller is fraud. Based on the gained fraudulent sellers, this proposal studies the construction methods of time-slot-based customers’ social network, and the self-adaptive clustering algorithm for discovering malicious reviewer groups and pivots. Moreover, based on the matches of nodes and edges in social networks, this proposal also explores evolutionary analysis methods of malicious reviewer groups and pivots. Finally, according to the changes of evolution rules about malicious reviewer groups and pivots, this proposal studies the methods for updating the time slots partitioning method and the detection model of fraudulent sellers. This proposal aims at promoting the construction of trustworthy electronic commerce environments and providing technical supports for the trading safety.

普遍存在的信任缺失问题已成为制约电子商务进一步发展的关键问题之一。有组织的群体造假在级联、聚簇等网络行为的作用下会造成电子商务信用评价系统失衡，致使购物环境可信性降低，最终影响电子商务企业的可持续发展。基于此，本项目主要研究内容包括：面向电子商务交易大数据流，研究卖方信用造假检测时段分割方法，基于假设检验的卖方造假检测模型；基于获取的造假卖方，研究基于时间段的消费者社会网络构造方法，基于自调整聚簇的虚假反馈群体、关键人物发现方法，基于节点和边匹配的群体和关键人物演化分析方法；基于造假群体和关键人物的演化规律，研究卖方造假甄别方法的更新方法。本项目旨在推动电子商务可信服务环境构建，为我国电子商务安全交易提供支持。

普遍存在的信任缺失问题已成为制约电子商务进一步发展的关键问题之一。有组织的群体造假在级联、聚簇等网络行为的作用下会造成电子商务信用评价系统失衡，致使购物环境可信性降低，最终影响电子商务企业的可持续发展。基于此，本项目主要从5个方面展开了研究。首先，全面研究了虚假群组、文本和造假个体检测与评价方法，实现了既有虚假群组、虚假评价文本和造假关键人物的发现算法，并通过实证实验验证了算法的性能、揭示了造假群组的演化特征，给出了可信的卖方和买方评价方法。其次，从结果治理的角度出发实现虚假信息的检测并不能从源头上减少买方和卖方的欺诈行为。基于此，本项目从减少造假动机的角度出发，应用博弈和动态机制设计理论，探索性提出了两种基于演化的电子商务卖方诚信/造假博弈模型，并通过仿真实验证明这些模型具有良好的性能。第三，了解攻击者的动机、机制、原理或策略对检测算法的设计具有重要的意义，因此本项目从攻击者视角，对个体、群组攻击策略、影响最大化策略、谣言传播模型进行了研究。第四，由于智能检索和推荐方法与虚假信息检测方法在用户与邻居之间“协同”、排名等技术上的相似性，本项目还研究了智能检索与推荐方法。第五，本项目的研究涉及很多同质、异质网络信息处理、文本信息处理、动态大数据处理、深度学习等相关的机器学习和数据挖掘方法。在独立于电子商务领域需求之外，我们还探索了一些通用的方法。最终，在本项目的资助下，共发表论文47篇、授权美国发明专利1项、中国发明专利2项，培养研究生24人。项目积累的攻击模型、仿真平台、标注数据为虚假信息检测领域的研究提供了重要的参考和标准。项目设计的检测方法和软件在电子商务安全和舆情监管领域具有广泛的应用前景。