تشخیص کاربران متقلب همدست در شبکه اجتماعی حراجی

در طی سال های گذشته حراجی های برخط مورد توجه زیادی قرار گرفته است که با توجه به بعد مالی حراجی، منجر به افزایش تقلب در حراجی های برخط نیز شده است. به عنوان مثال، تقلب در حراج های اینترنتی از جمله شرکت eBay که یک شرکت مشهور در حراج های برخط می باشد، افزایش یافته است. به همین دلیل، پژوهش های مختلفی با رویکرد تشخیص خریداران و فروشندگان متقلب در سراسر دنیا انجام شده است. در حال حاضر در ایران، حراجی ها بیشتر در سازمان های دولتی بزرگ انجام می شود که قطعا در صورت تقلب ضررهای مالی بزرگی را خواهد داشت. یکی از انواع تقلب، تقلب با روش همکاری و تبانی کاربران متقلب در حراجی می باشد که این نوع تقلب در صورت وقوع بسیار خطرناک می باشد و ضررهای مالی تاسف باری را خواهد داشت. در این مقاله الگوریتمی پیشنهاد می گردد که ابتدا ویژگی های موثر در یافتن افراد صادق را برای هر کاربر حراجی استخراج نماید و سپس با استفاده از طبقه بندی تک دسته بند OCSVM، برای هرکاربر یک نمره ناهنجاری را حساب نماید. در نهایت این الگوریتم، ارتباطات بین کاربران حراجی را با روش مارکف تصادفی مدل سازی می نماید تا باورهای کاربران را در مورد کاربران همسایه در گراف انتشار دهد و با این روش نمرات ناهنجاری را بازنگری نماید. نتایج این الگوریتم نشان می دهد که این تکنیک در هر سه نوع مختلف تقلب های اینترنتی می تواند کاربران متقلب همکار را با کارآیی بالا تشخیص دهد و در زمان سریع تر نسبت به الگوریتم های قبلی همگرا شده و پاسخ می دهد.