On the Potential of Network-Based Features for Fraud Detection
创建于 更新于
摘要
本报告基于近8900万笔真实交易数据，系统性对比传统特征与结合个性化PageRank（PPR）网络特征在在线交易欺诈检测中的表现。研究表明，PPR特征显著提升模型预测性能，AUC提高2%，且其特征重要性指数高达0.7，表现出独特的风险识别能力。特征稳定性分析确认训练与测试数据分布一致，保证模型泛化能力。结果验证了网络特征对精细捕捉欺诈行为复杂社交关系的关键作用，建议未来研究拓展更多网络曝光特征以提升反欺诈能力。[page::0][page::2][page::4][page::5][page::6]
