morinson 发表于 2016-1-22 14:02
确实。

特别是一些远期欺诈目标在初期的掩盖性动作时，一旦分类错误，其反击更加厉害。很多欺诈都具有 ...

这种模仿正常人的现象，应该没有办法分辨。

422937495 发表于 2016-1-22 13:31
目前确实是这么处理的，但是如何选择二次处理的方法是比较难做的。这里的“欺诈”和“非欺诈”是有偏的， ...

确实。

特别是一些远期欺诈目标在初期的掩盖性动作时，一旦分类错误，其反击更加厉害。很多欺诈都具有很强的掩盖性，比如模拟普通人正常轨迹。

就像百度贴吧里，成批的机器号发水帖........

morinson 发表于 2016-1-22 10:54
那么可否考虑先用其进行一次识别，圈出一个疑是范围。然后再用其它方法对上面的结果二次处理----即进阶处理 ...

目前确实是这么处理的，但是如何选择二次处理的方法是比较难做的。这里的“欺诈”和“非欺诈”是有偏的，非欺诈的行为相比较欺诈的行为重要的多，所以“错误的把非欺诈行为分类到欺诈行为”要比“错误的把欺诈行为分类到非欺诈行为”更有意义，在这个时候，大部分企业都会采用人工去确认分类是否准确的。

那么可否考虑先用其进行一次识别，圈出一个疑是范围。然后再用其它方法对上面的结果二次处理----即进阶处理思路

在欺诈行为上，机器学习对离群点，或者说“远离支持向量的向量”识别的还是不错的，但是接近临界点的分类往往还缺乏精度。换句话说，对于那种欺诈很明显的行为，识别率很好，但对那种可能是可能不是的效果很不理想。