Identificação de fraude contra sistemas de reputação em mercados eletrônicos

• Autor(a) principal: Maranzato, Rafael Plana
• 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/
• topic: Computação Gráfica

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