本站小編為你精心準備了2B2電子商務平臺欺詐用戶識別參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】

B2B電子商務是在市場經濟和網絡科技迅速發展的基礎上興起的，與此同時，B2B電子商務的興起也反作用于市場經濟。

【關鍵詞】

B2B;電子商務;市場經濟;網絡

企業是市場經濟的主體，B2B電子商務極大地推動了企業的發展與進步，提高了市場經濟的效率，縮小了人與企業、企業與企業之間在時間與空間上的距離，使交易的過程更加簡單化。例如，我們身邊最常見的網購現象也得益于此，它為人們的生活帶來了便利，將消費者與市場緊密地聯系在一起，為人們和市場架起了重要的溝通橋梁，即使足不出戶，消費者們也可以隨心所欲的購買商品。但請不要忽略任何事物的發展都有其利弊的兩面性，當今世界機遇與挑戰并存，B2B電子商務的發展也遵循這一規律，它在為企業帶來巨大的利益和商機的同時，企業也需要承擔其帶來的相應的風險，其根本原因是電子商務在交易過程中，其信息具有很大一部分的不一致性，也叫作不對稱性。信任是經濟發展與合作中強有力的基礎，然而信任的缺失也損害了電子商務的長遠利益。

造成這種現象，我相信是大多數消費者們不愿看到的。網絡是一個巨大的發展空間，人們往往愿意沉溺于此而無法自拔是因其有強大的虛擬和隱蔽功能，身在其中會感到自由與快樂，不會像在現實中那樣有制約力，但這樣的性能一旦被那些不懷好意的商家和企業利用，那些網絡欺詐行為就會乘虛而入蒙蔽人們的雙眼，使得人們無法準確地判斷信息，即使發現判斷失誤，消費者想去對商家進行追究也并非是輕而易舉的。當那些企業發現這一特點時，更加猖獗，它們隨意地在網上散布各式各樣的信息，豐富多彩的新聞抓住消費者的好奇心從而吸引住他們的眼球，已達到擴大經濟效益和增強自己企業影響力的目的。這種網絡欺詐行為的肆虐逐漸地擊垮了人們對電子商務交易的信心，消費者們對于那些電子商務交易望而卻步，這也在某種程度上影響了電子商務的前進，如果不及時對這種網絡欺詐行為進行有效的制約和管理，那么在不久的將來，電子商務的發展將會停滯不前，因此，我們必須要對各種網絡欺詐行為加以有效辨別，提高自身警惕意識，保護消費者的合法權益。

“電子商務”是一種全新的商業交易模式，它在20世紀90年代初期興起于歐美國家，并迅速蔓延到世界各地。我國是起步相對較晚的，1995－2002年我國處于萌芽階段，B2B電子商務的發展是不平衡的，2003年到2006年處于快速發展時期，出現了一系列優秀的網站。2007到現在我國處于深入發展的階段，其初發展是穩定的，但一場金融危機也暴露我國了電子商務的眾多弊端。B2B電子商務具有規模收益遞增、具有較強的專業知識、企業間基于建立牢固的合作關系等重要的特征，主要的業務模式分為自營交易、第三方協同交易、聯盟交易，它們能夠將網絡與客戶、商家緊密聯系在一起，在某一特殊行業可以為雙方的交易提供了一個專有的服務平臺，是一種橫向與縱向兼有的交易模式。近些年來，我國對互聯網的發展情況進行多次的分析，截止到2013年底，我國的網民數量就已超過兩億，這一可觀的數字也證明了我國網絡市場的發展已有了前所未有的突破，是可喜可賀的。網絡欺詐的問題一開始就存在，數年之前，我國在阿里巴巴交易市場就已發生數以萬計的詐騙案件。這種現象是難以杜絕的，如今在這樣一個開放、自由的空間里這種行為已經司空見慣甚至愈演愈烈，它為那些不良商家披上了一件隱形的外套，蒙蔽了消費者的眼睛，誠信是每個商家所必備的最基本的品質，然而這種品質的缺失已經嚴重地打擊了消費者的信心，那些眼花繚亂的商業信息令消費者防不勝防難以察覺，營造一個純凈，健康，安全的網絡環境，為消費者提供一個誠信可靠的消費平臺是目前的首要任務。造成這種網絡欺詐行為頻頻發生的主要原因是電子商務中信息的不對稱性。1970年，美國經濟學家喬治•阿克洛夫曾首次提出了信息不對稱的觀點，通常情況下賣家一定是更熟知自己所經營的產品的性能、功用以及市面上的價格，而買家卻不盡如此，他們并不能很好地掌握商品在市面上的行情和信息，在這樣的情況下，賣家便可以相應地在一定程度上抬高商品的價格，有些不良商家甚至漫天要價超出了商品本身的價值以便于謀取暴利。隨著社會的進步，如今市面上流通的商品的分工都是相當細化的，每一個環節都有相應的團隊負責，最后形成一個完整的產品，雖然這樣會使商品的質量大大提高，但這樣也就導致了很難準確地估量商品的最終價值。人們在進行購買時也會貨比三家，但大家獲得的信息量畢竟是有限的不是完全的，這也造成了消費者在購買過程中的失誤。

在人們不斷篩選大量的商品信息時，也會被那些錯誤的信息所迷惑，所以想要在短時間內獲得準確無誤的比較信息，也要付出相對高額的成本。另外，部分商家也會故意地隱瞞商品的信息，從中欺騙消費者的錢財。總結起來，社會分工不同，消費者的有限理性，參與人的信息搜索成本障礙，以及信息優勢的隱匿功能都是造成電子商務信息的不對稱性的原因。這種網絡購物與我們平時在市面上看到的是不同的，在商場購物我們可以放心地購買自己所鐘愛的品牌，在他的背后會有商家以及整個集團做堅實的后盾，消費者可以安心買到所謂的正品。但到了網絡上，即使打出假一賠十這種響亮的口號，在當今這個虛假信息肆虐的時代也顯得很蒼白無力，虛假產品的乘虛而入造成了網絡市場的混亂。網絡欺詐的類型各式各樣，涉及多個領域，在我們身邊我們就經常有這種案件發生，例如，信用卡欺詐，詐騙團伙利用一定的手段獲取持卡人的資料信息，在持卡人完全不知情的情況下透資信用卡。網絡投資欺詐，他們向投資者承諾在短期內會帶來巨大的收益，但到最后投資者不僅血本無歸還會負債累累。網上販賣假藥，商販用低廉的成本，刻意夸大藥的療效來吸引那些救病心切的患者從中牟取暴利。

任何事件的分析都不能缺少大量的數據來支撐，我們不是僅僅需要那些數據呈現出來的表面化形式，還需要去深入探究與挖掘這些數據深層存在的內涵。于是，我們要進行數據挖掘。目前來看，數據挖掘還沒有一個標準的概念，通常研究人員會根據自己的研究領域來確定數據研究的具體含義進而提出觀點。一些學者認為，數據挖掘是發現數據中深藏的一些有價值的信息，這一過程是相當重要的。也有學者認為，數據挖掘是挖掘出隱藏在數據中重要的養分，是人們所需要的真理內容，是重要的知識。另外還有一些研究人員認為，數據與數據之間一定存在著規律，有某種必然的聯系，數據挖掘是通過巨大的數據信息量發現某種隱藏的規律，從而得出某種有價值的規律。由此可以得出，數據發掘是一種分析一些特有數據至關重要的模式。數據挖掘可以迅速地處理大量的信息，并從中提取出所需要的，面對困難復雜的內容，也會采取相應的技術和解決方案，將有用的信息統計在一起。在這個信息化時代，數據挖掘為了跟上時代的腳步，時刻跟蹤在信息的最前端，能夠在第一時間內更新出最新的信息，這樣就會有效地抓住一切有價值的內容，不會出現任何的遺漏。數據挖掘對那些不可知的問題是絕對有效的。如果我們能夠成熟的運用數據挖掘，相信在篩選信息的過程中一定可以迅速得到自己所需要的內容，減少在電子商務交易過程中的決策失誤和上當受騙事件的發生。數據挖掘不僅可以保護消費者的合法權益，它還能極大提高商家的經濟利益，首先，它能將相關聯的信息統計在一起，當一個商品的供求量、價格發生變化時，數據挖掘可以很快地掌握其互補品和替代品相應的數據，從互補品的角度來說，如果商家經營的是相機，牙刷，筷子，帽子等商品，那么信息挖掘的過程中一定會分析膠卷，牙膏，碗碟，圍巾等商品的變化。從互為替代品的角度來說，如果商家經營的是大米，豬肉，蘋果，空調等商品，那么信息挖掘過程中一定會分析白面，牛肉，橙子，風扇等商品的變化。這種關聯規則分析能有效地促進商品的買賣并及時滿足消費者的需求，從而達到一種相應的供求平衡進而使商家實現盈利的根本目的。數據挖掘的過程是復雜的，首先我們一定要明確研究的方向和問題，并針對問題確定最合適的挖掘數據的方法。第二步，我們將要對收集的大量數據進行處理，在這個步驟中我們需要收集大量與問題相關的信息，這一步驟完成的好壞直接影響著我們信息挖掘結果的準確程度。前面兩個步驟是準備工作，為數據挖掘做鋪墊，接下來的數據挖掘也是最具有關鍵性和困難程度的一步，它將針對用戶的各種需求對前面收集的數據進行計算，分析和篩選，最常見的技術方法有分類、聚類、關聯規則、粗糙集、神經網絡、決策樹等。最后一步，就像是數學運算中需要檢驗一樣，將我們數據挖掘后得出的結果加以分析和驗證，保留出客戶所需要的有用信息，再將其他信息刪除。前面介紹了網絡欺詐的現象和原因以及數據挖掘的具體運作流程和方法，那么現在我們就要將二者有機地結合在一起。我們必須嚴肅對待那些詐騙行為，完善懲治措施，加大打擊力度，讓那些詐騙行為永不見天日。那么數據挖掘技術是如何在欺詐檢測中進行應用的呢?《基于關聯規則挖掘的信用卡欺詐研究》一文中，作者李穎就是利用關聯規則將信用卡持卡人的多重潛在信息聯系在一起，以此來判斷使用信用卡的人究竟是不是持卡人。同類的還有很多，在《運用數據挖掘技術進行信用卡欺詐預測》一文中作者李一鳴利用了神經網絡、孤立點和序列分析等技術向廣大持卡人提供在信用卡詐騙這一方面的解決方法。我們也可以利用這些技術解決在金融、電信等其他眾多領域的詐騙問題。

決策樹是數據挖掘過程中一個重要的計算方法，它從屬于分類方法，運算過程中，先是對大量的數據進行處理，抓住其中的關鍵點，總結出易于理解的規則和決策樹，再對新產生的數據進行分析。從根本上來講，決策樹是一個利用一系列規則對數據進行分析的龐大過程。決策樹的優點在于它的分類精度高;生成模式簡單;對噪聲數據有很好的健壯性。在目前來看，決策樹是應用最廣泛的運算歸納方法之一，在數據挖掘過程中受到研究人員的廣泛關注。但這種算法也有它固有的弊端，它的分類規則相對比較煩瑣，面多大量的數據，錯誤的產生可能就比較快，針對有噪聲的情況下，對訓練數據不能夠很好地進行預測等問題。為了解決這些決策樹的問題，研究人員提出了更有效的運算方法———隨機森林算法，隨機森林在面對大量的數據時更能從容不迫，相比于決策樹，在運算精確度的方面又上升到了一個新的高度，處理變量數據時具有較好的穩定性能，有效地平衡數據與數據之間的誤差。正是因為隨機森林的運行速度快，也就極好地解決了決策樹中過度擬合的問題。根據這些優點，隨機森林成了數據挖掘領域內的一個新熱點。隨機森林的成功運用是依靠于精準的數學原理作為理論基礎，為運算過程提供強有力的保障。其中RF大數定律，是保證不會過度擬合的重要原理。隨機森林在面對網絡欺詐問題上，能夠快速地識別出那些欺詐用戶。因此，B2B電子商務網站健康良好的網絡環境需要隨機森林來維持。

面對大量的數據，我們在收集或查詢數據的過程中經常會遇到被拖延的問題，為了解決這個問題，相關人員逐漸研發出來解決該問題的軟件。其中R軟件，我認為是最便捷有效的，它是一個免費的自由軟件，大家可以免費地下載安裝，它在解決問題的同時也降低了用戶的成本。在快速處理數據之后能夠迅速保存，不用擔心數據遺失的問題發生，運算過程中能夠保持數據的連貫性。R軟件的應用范圍并非狹隘，不僅是一款簡單的數學應用軟件，它還廣泛應用于醫藥制造業，航天航空業，計算機互聯網產業等等，是一款性能較好的數據挖掘工具。

作者：張程涵 單位：遼寧理工學院