Identificação de fraude contra sistemas de reputação em mercados eletrônicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-124631/ |
Resumo: | Ao longo do tempo, o comércio eletrônico tem movimentado um volume de transações cada vez mais significativo. Um dos segmentos que mais cresce é o de mercados eletrônicos, nos quais vendedores de pequeno e médio porte oferecem seus produtos na Web. Dentro desses mercados, o sistema de reputação é fundamental, pois reflete em boa parte a credibilidade dos vendedores e é usado como critério de decisão para a compra. Isso faz com que os sistemas de reputação sejam alvos de fraude, seja por vendedores apenas interessados em melhorar sua reputação de forma ilícita, seja por vendedores também com intenção de cometer outros tipos de fraude. Em ambos os casos, avaliações positivas são criadas artificialmente. Este trabalho apresenta uma metodologia para identificação de fraudadores contra sistemas de reputação, associando a cada vendedor uma probabilidade estimada de fraude. Posteriormente, ordenamos a listagem de vendedores por essa probabilidade, para que ela seja usada como ferramenta pelos especialistas em detecção de fraude. Por isso, tratamos o problema como uma classificação estatística, ao invés e uma classificação tradicional. Vale frisar que o problema de identificação de fraudadores apresenta dificuldades adicionais em relação a um processo usual de classificação em virtude dos dados serem desbalanceados (a classe de fraudadores é fortemente minoritária) e da anotação dos vendedores legítimos ser menos confiável que a anotação dos fraudadores. A metodologia inicia-se com o processo de extração de características, avaliando eventos onde existe interação entre os usuários. Em seguida, aplica-se o método de Regressão Logística para construir o modelo e classificar os vendedores com base na probabilidade de fraude estimada. A ordenação obtida é avaliada com base em medidas de eficiência, como precisão, cobertura, AIC, precisão média |
id |
USP_9f09f24b1bb01d05c59ed076acedcfe4 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-20220712-124631 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Identificação de fraude contra sistemas de reputação em mercados eletrônicosnot availableComputação GráficaAo longo do tempo, o comércio eletrônico tem movimentado um volume de transações cada vez mais significativo. Um dos segmentos que mais cresce é o de mercados eletrônicos, nos quais vendedores de pequeno e médio porte oferecem seus produtos na Web. Dentro desses mercados, o sistema de reputação é fundamental, pois reflete em boa parte a credibilidade dos vendedores e é usado como critério de decisão para a compra. Isso faz com que os sistemas de reputação sejam alvos de fraude, seja por vendedores apenas interessados em melhorar sua reputação de forma ilícita, seja por vendedores também com intenção de cometer outros tipos de fraude. Em ambos os casos, avaliações positivas são criadas artificialmente. Este trabalho apresenta uma metodologia para identificação de fraudadores contra sistemas de reputação, associando a cada vendedor uma probabilidade estimada de fraude. Posteriormente, ordenamos a listagem de vendedores por essa probabilidade, para que ela seja usada como ferramenta pelos especialistas em detecção de fraude. Por isso, tratamos o problema como uma classificação estatística, ao invés e uma classificação tradicional. Vale frisar que o problema de identificação de fraudadores apresenta dificuldades adicionais em relação a um processo usual de classificação em virtude dos dados serem desbalanceados (a classe de fraudadores é fortemente minoritária) e da anotação dos vendedores legítimos ser menos confiável que a anotação dos fraudadores. A metodologia inicia-se com o processo de extração de características, avaliando eventos onde existe interação entre os usuários. Em seguida, aplica-se o método de Regressão Logística para construir o modelo e classificar os vendedores com base na probabilidade de fraude estimada. A ordenação obtida é avaliada com base em medidas de eficiência, como precisão, cobertura, AIC, precisão médianot availableBiblioteca Digitais de Teses e Dissertações da USPLago, Alair Pereira doMaranzato, Rafael Plana2010-05-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-124631/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-07-13T19:50:09Zoai:teses.usp.br:tde-20220712-124631Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-07-13T19:50:09Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos not available |
title |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
spellingShingle |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos Maranzato, Rafael Plana Computação Gráfica |
title_short |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
title_full |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
title_fullStr |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
title_full_unstemmed |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
title_sort |
Identificação de fraude contra sistemas de reputação em mercados eletrônicos |
author |
Maranzato, Rafael Plana |
author_facet |
Maranzato, Rafael Plana |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lago, Alair Pereira do |
dc.contributor.author.fl_str_mv |
Maranzato, Rafael Plana |
dc.subject.por.fl_str_mv |
Computação Gráfica |
topic |
Computação Gráfica |
description |
Ao longo do tempo, o comércio eletrônico tem movimentado um volume de transações cada vez mais significativo. Um dos segmentos que mais cresce é o de mercados eletrônicos, nos quais vendedores de pequeno e médio porte oferecem seus produtos na Web. Dentro desses mercados, o sistema de reputação é fundamental, pois reflete em boa parte a credibilidade dos vendedores e é usado como critério de decisão para a compra. Isso faz com que os sistemas de reputação sejam alvos de fraude, seja por vendedores apenas interessados em melhorar sua reputação de forma ilícita, seja por vendedores também com intenção de cometer outros tipos de fraude. Em ambos os casos, avaliações positivas são criadas artificialmente. Este trabalho apresenta uma metodologia para identificação de fraudadores contra sistemas de reputação, associando a cada vendedor uma probabilidade estimada de fraude. Posteriormente, ordenamos a listagem de vendedores por essa probabilidade, para que ela seja usada como ferramenta pelos especialistas em detecção de fraude. Por isso, tratamos o problema como uma classificação estatística, ao invés e uma classificação tradicional. Vale frisar que o problema de identificação de fraudadores apresenta dificuldades adicionais em relação a um processo usual de classificação em virtude dos dados serem desbalanceados (a classe de fraudadores é fortemente minoritária) e da anotação dos vendedores legítimos ser menos confiável que a anotação dos fraudadores. A metodologia inicia-se com o processo de extração de características, avaliando eventos onde existe interação entre os usuários. Em seguida, aplica-se o método de Regressão Logística para construir o modelo e classificar os vendedores com base na probabilidade de fraude estimada. A ordenação obtida é avaliada com base em medidas de eficiência, como precisão, cobertura, AIC, precisão média |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-05-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-124631/ |
url |
https://teses.usp.br/teses/disponiveis/45/45134/tde-20220712-124631/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090936221728768 |