تشخیص کاربران متقلب همدست در شبکه اجتماعی حراجی

در طی سال‌های گذشته حراجی‌های برخط مورد توجه زیادی قرار گرفته است که با توجه به بعد مالی حراجی، منجر به افزایش تقلب در حراجی‌های برخط نیز شده است. به عنوان مثال، تقلب در حراج‌های اینترنتی از جمله شرکت eBay که یک شرکت مشهور در حراج‌های برخط می‌باشد، افزایش یافته است. به همین دلیل، پژوهش‌های مختلفی با رویکرد تشخیص خریداران و فروشندگان متقلب در سراسر دنیا انجام‌شده است. در حال حاضر در ایران، حراجی‌ها بیشتر در سازمان‌های دولتی بزرگ انجام می‌شود که قطعاً در صورت تقلب ضررهای مالی بزرگی را خواهد داشت. یکی از انواع تقلب، تقلب با روش همکاری و تبانی کاربران متقلب در حراجی می‌باشد که این نوع تقلب در صورت وقوع بسیار خطرناک می‌باشد و ضررهای مالی تاسف‌باری را خواهد داشت. در این مقاله الگوریتمی پیشنهاد می‌گردد که ابتدا ویژگی‌های مؤثر در یافتن افراد صادق را برای هر کاربر حراجی استخراج نماید و سپس با استفاده از طبقه‌بندی تک دسته‌بند OCSVM، برای هرکاربر یک نمره ناهنجاری را حساب نماید. در نهایت این الگوریتم، ارتباطات بین کاربران حراجی را با روش مارکف تصادفی مدل‌سازی می‌نماید 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 می‌دهد که این تکنیک در هر سه نوع مختلف تقلب‌های اینترنتی می‌تواند کاربران متقلب همکار را با کارآیی بالا تشخیص دهد و در زمان سریع‌تر نسبت به الگوریتم‌های قبلی همگرا شده و پاسخ می‌دهد.