一种面向电商网络的异常用户检测方法

摘要：

在电商网络中,异常用户往往表现出与正常用户截然不同的行为特征,检测异常用户并分析其行为模式对维护电商平台秩序具有十分重要的现实意义.通过分析异常用户的行为模式,将电商网络抽象为异质信息网络并转化为用户-设备二分图,然后在此基础上提出了一种面向电商网络的异常用户检测方法——自监督异常检测模型(Self-Supervised Anomaly Detec-tion Model,S-SADM).该方法具有自监督学习机制,采用自编码器编码获取用户节点表示,通过优化联合目标函数来完成反向传播,同时采用支持向量数据描述对用户节点表示进行异常检测.经过网络的自动迭代优化,不仅使用户节点表示具有监督信息,还获得了较稳定的检测结果.最后,在真实网络数据集和半合成网络数据集中对S-SADM进行实验,结果表明了该方法的有效性和优越性.

关键词：异常检测、电商网络、异质信息网络、自监督学习、自编码器、支持向量数据描述

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;中央引导地方科技创新项目;山西省自然科学基金;山西省高校科技创新项目

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：170-178