林郅睿 虞宇翔 胡林伟 王青林 李翔 张浩东

摘要：近年来网络交易诈骗案件众多，给人们的財产安全带来极大的隐患，间接带来大量的社会问题。机器学习算法的设计并不能完全学习网络交易的时序问题。针对以上问题本文提出基于卷积神经网络模型。其次针对网络交易中正常交易和诈骗交易的样本分布不均衡的问题以及用用户交易模式中时序关系系数的问题，构建基于卷积神经网络的诈骗检测模型。

关键词：网络交易;卷积神经网络;神经网络

1.背景概述

近年来我国互联网金融业发展迅猛，互联网金融消费增长亮眼。数据显示我国2015年互联网金融消费为0.1万亿元，截止2018年我国物联网金融消费规模增长至1.5万亿元。此外2016年互联网金融消费增速达到顶峰，增长约225%。可以看出伴随着网络交易的持续性增长，客观上也带来了巨大的金融风险。那么传统的反欺诈技术诸如专家规则检测系统被应用于多数的欺诈检测邻域。对已存在的诈骗行为模式可以精准识别。但是网络诈骗交易具有主观性强、欺诈种类多、发生频率高、欺诈手段更快等特征，传统的系统无法适应网络交易的诸多特征，面临着维度单一效率低下的问题。基于在此背景，近年来深度学习模型逐渐被应用与诈骗模型当中，那么相较于传统的技术，基于卷积神经网络诈骗模型可以用海量的数据来发现未被发现的交易。针对以上问题本文对互联网上相关的诈骗现象进行相关研究。……