评职称或毕业的时候，都会遇到论文的烦恼，为此精选了《欺诈性不正当行为分析论文(精选3篇)》的相关内容，希望能给你带来帮助!摘要：本文探讨了金融服务业中的欺诈行为，当前金融欺诈具有复杂性、滞后性、强危害性、防范困难的特征。本文根据相关学术文献将金融欺诈划分为虚假财务陈述、金融诈骗、金融不当销售三种类型，并整理了总结了学术文献中提出的金融监管、投资者保护、交易复杂等金融欺诈发展问题，并提出了合理建议。
欺诈性不正当行为分析论文 篇1：
英国智库RUSI报告：人工智能与国家安全
近日，英国防务智库皇家联合军种国防研究所（RUSI）发布报告，系统研究了人工智能对国家安全的威胁以及应用。报告指出，随着数据量不断呈指数级增长，使用更先进的分析工具已成必要。但人工智能的恶意使用已经对国家安全构成了“切实威胁”，因此，安全机关迫切需要采用更先进的数据科学技术，以应对人工智能带来的潜在威胁。IPP评论组织翻译了这一报告的关键部分，供读者参考。
一、背景
虽然人工智能可以增进现有安全机制的效率和有效性，但同时也会带来新的问题，这些问题需要在现有法律和监管框架内进行评估。最近，一些分析人士称，人工智能和高级分析技术在监管方面有潜在的风险，可能会产生隐私或人权问题。科技发展带来的安全挑战是英国的高度优先事项之一。根据英国政府通信总部（GCHQ）的说法，有必要开展有关国家安全与人工智能的辩论，这样有利于更快地获得应对方案，也能给公众一个交代。
GCHQ进一步指出，“人工智能的应用必须符合伦理规范，并接受有效的监管”。英国军情五处总干事安德鲁·帕克（Andrew Parker）表示，虽然人工智能能够让我们实时地了解成千上万人的生活细节，但是我们仍无法通过数据了解人类的思想。
令人担忧的是，许多不成熟的人工智能技术在商业界开始流行。英国安全机关在数据的获取和使用方面需要接受额外的审查，而私营部门却并非如此。
因此，人工智能的国家安全应用需要比商业应用有更高程度的鲁棒性、弹性和独立性。
此外，英国安全机关需要在不损害社会和伦理价值观，以及公众信任的前提下，充分利用人工智能带来的机遇，制定明确、科学的决策。
二、何为人工智能？
人工智能现在仍没有广泛接受的定义。人工智能大致可分为两大类：强人工智能（General AI）和弱人工智能（Narrow AI）。强人工智能具备与人类同等智慧或超越人类的人工智能，能表现正常人类所具有的所有智能行为。弱人工智能不具备人类完整的认知能力，只处理特定的问题，例如语音识别、图像识别和翻译。几乎目前所有的人工智能都属于弱人工智能的范畴。科学界普遍认为，强人工智能的普及还需要几十年的时间才能实现。
弱人工智能可以理解为“使机器能够有效地执行高度复杂任务的通用数字技术”。人工智能通常定义为“执行通常需要人类智能的任务”，主要由六个关键要素组成，即自动推理、自然语言处理、知识表示、计算机视觉、机器人学以及机器学习。
弱人工智能的发展与机器学习的发展息息相关。机器学习能通过经验自动改进计算机算法，其特点是使用统计算法进行建模、理解和预测。算法可以定义为“为解决一个特定的问题而精心设计的一组数学指令或规则”，而机器学习是一种特殊算法，使用新数据可以优化计算机程序的性能标准。机器学习可以大致分为四种类别：监督学习、半监督学习、无监督学习和增强学习。
监督学习：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。例如，在物体识别方面，机器可以根据训练数据中有关水果的照片和描述正确识别不同类型的水果。
无监督学习：与监督学习相比，训练集没有人为标注的结果。例如，在图像识别方面，机器可以根据训练数据中有关动物的照片，但在缺乏相关描述的情况下，对不同类型的动物进行正确分类。
半监督学习：介于监督学习与无监督学习之间。训练集一半为人为标注，另一半则为无人为标注。机器可以根据这种训练集进行预训练，然后通过人为标注集进行调整。
增强学习：机器为了达成目标，随着环境的变动，而逐步调整其行为，并评估每一个行动之后所得到的回馈是正向的还是负向的。例如，使用者可以对机器推荐的音乐进行反馈，以便让机器学习使用者的音乐喜好。随着反馈的增多，推荐结果将越来越贴合使用者的音乐喜好。
近年来，大型数据集的普及使机器学习的应用日益广泛。在医疗领域，机器学习的图像识别技术可用于预测婴儿患自闭症的风险和检测皮肤癌。地方议会目前正在大力推广机器学习在社区事务中的应用。在治安管理方面，机器学习可用于预测在押案犯再次犯罪的可能性，根據“破案成功率”对案件进行优先排序。随着“智慧城市”概念的不断深入，机器学习越多越多地被用于垃圾处理、交通管理、污水处理等民政工作。根据英国政府人工智能办公室的预测，人工智能可在2030年为英国经济创造约2320亿英镑的价值。
然而，值得注意的是，英国大多数人工智能的发展成就都是由私营部门和学术机构创造的。英国公共生活标准委员会（Committee on Standards in Public Life）的调查显示，尽管人工智能引起了不少官员的重视，但人工智能在英国政府的普及程度并不高，而且英国政府的人工智能项目仍处于计划阶段。因此，如何在未来充分利用人工智能带来的机遇，应当成为英国政府的高度优先事项。
三、AI在国家安全中的应用
“信息过载”给英国安全机关带来了严峻挑战，正如美国贝尔弗科学与国际事务中心（BCSIA）格雷格·艾伦（Greg Allen）和塔尼尔·陈（Taniel Chan）所说：“随着数据量的激增，情报工作的难度也随之加大，想要找出有价值的信息犹如大海捞针。”
“信息过载”只是一方面。英国上议院议员大卫·安德森（David Anderson）在2015年的政府工作报告中指出，通信方式的变革、电信供应商的分散化、通信权归属的争议，加密技术的升级和新数据源的出现，加大了英国安全机关的工作难度。为了应对这些挑战，英国政府需要开发更高级的数据分析工具，而人工智能将是实现这一目的重要途径之一。英国政府通信总部（GCHQ）曾公开表示：“许多类似GCHQ的机构将考虑使用机器学习和人工智能，这有利于提高英国安全机关的工作效率和有效性，英国的国家安全也将得到更有效的保障。”
1. 人工智能在商业和行政领域中的优势
对于任何大型行政机构而言，重复性工作占总工作量的很大一部分。使用人工智能最直接的优势是行政管理自动化。2016年美国政府发布的人工智能报告称：“人工智能带来的主要经济效应是行政管理自动化。”
人工智能在商业领域中的运用也具有重要的价值和意义。人工智能可在前台和后台使用：在前台，基于计算机视觉和自然语言处理的人工智能系统可根据图像信息，用语音引导用户完成电子商务交易;在后台，人工智能系统可通过图像扫描，对发票进行全自动化的数据转换，在贷款业务中进行交叉引用数据，整理巨量信息，例如行业公告、财务数据等。同样，使用人工智能可大大减少政府的工作量。
监管自动化也可提高政府的工作效率。德国新责任基金会（SNV）最近的一份报告提出了七种以数据驱动的监管工具，这些工具可使监管机构进行未经宣布的检查和审计，人工智能便是其中之一。本报告建议将简单描述法、高级机器学习和统计分析技术相结合，开发一种可用于识别数据不正当使用和非法活动的“行为检测系统”。监管自动化不仅有助于督促被监管机构遵守国家法律，而且还能给监管机构的员工腾出时间处理更复杂的技术问题。
2. 人工智能对网络安全的重要性
当今网络威胁的增长速度已远远超过了人类应对的速度。鉴于网络攻击频率的迅速上升，越来越多的人工智能网络防御系统被用于检测和防御网络威胁。传统的防病毒技术是基于病毒特征码和特征库的，而基于人工智能的防病毒技术无需借助病毒数据库就能识别潜在的网络威胁。
英国人工智能网络安全公司Darktrace最近的一份报告称：“传统的网络安全工具可识别已知的威胁，而人工智能却可识别未知的网络威胁。随着网络犯罪分子创新能力的不断增强，提升网络安全能力已变得十分必要。”
基于人工智能的网络检测系统可对各种网络活动进行分析，对异常活动做出实时响应。用户认证也是一个值得关注的方向。最近有研究提出了一种“行为的生物测定法”，即根据用户数字活动的特征判断用户的安全性，例如用户使用鼠标的习惯、输入的字词、语言特征等。这也是一种增强网络安全的有效手段。
3. 人工智能在情报领域的应用
人工智能可对非结构化或繁杂的数据集进行分析，并找出有价值的信息，提高情报工作的效率。人工智能在情报领域的应用可大致分为三个方面：（1）认知自动化;（2）数据筛选、标记、分类;（3）行为的生物测定法。
（1）认知自动化
人工智能最明显的优势是“认知自动化”，即人类感官数据化（如自然语言处理和视听分析）。这项技术可大大减少人工分析数据的时间，同时还可降低情报外泄的风险。
使用语音到文本的转换可减少处理音频数据的人力。机器翻译也有明显的优势，可用于文本的转录，也可直接应用于音频数据。最近，语言分析技术取得了长足的进步。“说话者识别”的应用可提高搜索语音数据的效率。2019年2月，美国人工智能研究组织OpenAI公布了一个大规模无监督语言模型GPT-2。该模型可生成连贯的文本段落，并能够执行基本的阅读理解、机器翻译、问答和总结，在许多语言建模基准上表现出色。最近研究表明，受过机器学习训练的模型可根据语言风格识别作者的身份。
人工智能还可提高视频数据处理的效率，物体分类和面部匹配技術的应用也可以大幅度减少搜索视频的时间。另一个优势是对不同的视频进行分类，防止有害内容对用户造成不良影响，例如涉及暴力或性虐待的视频。视频摘要在视频分析和基于内容的视频检索中扮演着重要角色，例如，机器学习算法在视频摘要中的应用，即采用“关键帧捕获”技术捕获原始视频的内容，生成视频摘要。这项技术可用来记录某一时间段内视频所发生的变化。
美国软件工程研究所（SEI）正在开发多视频摘要技术，其最终目标是通过识别和搜索多个视频中的行为模式，预测未来可能发生的事件。
（2）数据筛选、标记、分类
英国安全机关采集的数据主要是通过体积缩减系统进行处理的，这个系统能够对数据进行过滤、搜索和筛选。如果在这一过程中使用人工智能，就可提高体积缩减系统的效率，确保情报分析人员只接触到与手头任务相关的数据，最大限度地减少间接入侵。美国国家研究委员会（UNRC）在2015年的一份报告中称：“虽然目前仍没有可完全取代大规模信号情报采集的技术，但可提高情报采集的针对性及控制所采集情报的使用。英国需要开发一种可限制对情报的访问、审核和使用的系统以加强隐私保护。”
大卫·安德森在2016年撰写的一份审查报告阐述了英国政府通信总部是如何批量拦截信号情报的。这项技术可分为三个步骤，即“采集”、“筛选”和“核查”。首先，评估通信的情报价值，选择承载。然后，对选定承载的通信量进行一定的过滤，筛选出有潜在情报价值的通信，同时丢弃无情报价值的通信。最后，将剩余的通信输入数据库进行有针对性和非针对性的搜索，以获得有情报价值的通信。由于数据量巨大，情报分析人员通常会采取应用分类法来确定哪些情报最有价值，然后对筛选出的搜索结果进行核查。
英国调查权利专员办公室（IPCO）最近的年度报告指出：“绝大多数通过批量采集获得的情报并未经过情报分析人员的审查，但会根据特定标准进行自动筛选审查，使我们尽可能地获得有价值的情报。”
如果使用得当，人工智能可比人工操作更有效地识别多个海量数据集内部和之间的关联，进而提高筛选和过滤的准确性。然而，使用人工智能识别重要情报与使用行为分析法检测（预测）可疑活动不能相提并论。为了有效地从海量数据中提取有用的信息，人工智能可作为人机交互工作流的一部分。当搜索或过滤通过批量采集获得的情报时，使用人工智能可最低限度地减少人工审查内容，以此降低间接入侵的风险。
（3）行为分析法
行为分析法可定义为将复杂算法应用于分析和预测人类行为的一种分析方法。安全机关可通过基于行为分析法的人工智能预测各种对国家和个人的威胁。
人工智能用于反恐情报分析已成为目前关注的焦点。2017年伦敦和曼彻斯特恐怖袭击事件发生后，就有官员提出改良英国安全机关的数据使用方式，以提高其反恐能力。
大卫·安德森最近撰写的报告描述了开发相关技术所需的能力和数据，其中提到：“随着人工智能提取信息能力的不断增强，行为分析法在人工智能中的应用也越来越成熟，届时现有的技术难题将会迎刃而解。”
大卫·安德森指出，行为分析法永远不会过时，不仅可用于完善现有的反恐风险评估机制，而且还可用于侦测可疑目标，例如分析个人心理变化、犯罪分子进行犯罪活动前的行为等。目前有大量的学术文献研究临床（自主）决策与统计（非自主）决策的相对优势，但学术界对它们的理解和评价仍存在巨大争议。上世纪50年代的一些实证研究显示，无论在学术或实践上，统计预测都比非结构化临床判断更准确。
有专家认为，在评估个人层面的风险时，综合预测准确率从根本上是有误导性的，而且有证据表明，基于专业判断的风险评估机制优于基于统计法的风险评估机制。
此外，由于恐怖暴力事件的发生频率较低，统计风险模型的历史数据集通常较小。根据学术文献中的案例分析，恐怖分子的个人背景、行为模式、犯罪动机，以及犯罪诱因等方面皆存在巨大差异。因此，恐怖分子之間的共同点很少。正如美国弗吉尼亚大学法学教授约翰·莫纳汉（John Monahan）总结的那样：“大多数现有研究未能从统计学的角度明确地找出诱发恐怖主义的因素，难以进行微观化的风险评估。”将统计法纳入风险评估机制的另一个问题是使用行为分析法可能会导致个人背景信息的丢失。
考虑到行为分析法的局限性，本报告建议开发增强智能系统。这种系统能够整理来自多个来源的信息，并可对重要的数据项进行标记以供人工核查。尽管如此，在评估个人行为模式或心理状态的变化仍需要一定的人为判断。美国软件和服务公司Palantir最近发表的一篇文章指出：“人工智能被过分夸大了。机器的作用并不是取代人类，而是服务人类。在数据泛滥的今天，增强智能使安全机关能够以更加透明的方式做出数据驱动的决策。”
伦敦警察局局长克雷西达·迪克（Cressida Dick）在2020年的RUSI年度讲座上强调：“虽然我们需要借助各种先进技术开展工作，但我们不会把所有的希望都寄托在人工智能上。人工智能的目的是增强人类智能，而不是取代人类智能，这也是公众所期望的。”
四、恶意人工智能的潜在风险
人工智能可以带来好处，但它也有其黑暗面，黑客利用人工智能制作恶意软件攻击的做法早已屡见不鲜。更让人不安的是，一些不受同等法律框架约束的敌对国家正在大力开发恶意人工智能。网络犯罪集团在未来也会通过科技的高速发展，使用更高级的恶意人工智能进行犯罪活动。
1. 数字安全
人工智能恶意软件给英国国家安全造成的威胁在未来将成为常态。具体地说，许多传统的恶意软件防御措施几乎无法检测到使用无限数量的加密算法的多态恶意软件。这些软件可主动确定攻击目标，对攻击目标进行优先排序，环境适应力强，可在无人为操控的情况下传播。另一个值得关注的问题是域生成算法的恶意使用。域生成算法在恶意软件中用于生成大量的域名，这些域名可用于与恶意软件的命令和控制服务器的通信，例如，受感染的计算机可创建数千个域名，这无疑加大了反制僵尸网络的难度。
近年来，更多的黑客转向利用人的弱点即社会工程学法来实施网络攻击，这通常被认为是一种欺诈他人以收集信息、行骗和入侵计算机系统的行为。社会工程学攻击以不同形式，通过多样的攻击向量进行传播，例如，在大多数情况下，攻击者利用受害者账户发送电子邮件，由于人们通常更容易相信来自熟人的邮件附件或链接，从而让攻击者轻松得手。
人工智能在商业领域的应用也存在着不小的风险，而这些风险很可能会被黑客利用。针对训练数据的供应链攻击可能会导致人工智能系统无法正常运行。攻击者还可通过训练算法将恶意软件伪装成合法软件在人工智能系统中安装后门程序。
2. 政治安全
随着人工智能的发展，造假技术也越来越高级。深度伪造技术是人工智能的另一种形式，可用于歪曲事实，甚至可对政治秩序构成威胁。这项技术利用生成对抗网络（GAN）的机器学习技术，将现有的图像和影片添加到目标图像或影片上，例如换脸、像傀儡般的同步动作、伪造声带、唇形同步等。2019年5月，三星电子（Samsung）的研究人员展示了一个人工智能系统，该系统可根据照片生成“会说话”的视频。英国2019年大选前夕，一位名叫比尔·波斯特（Bill Posters）的艺术家公布了一段以深度伪造技术制作的视频。在该视频中，首相候选人鲍里斯·约翰逊（Boris Johnson）和杰里米·科尔宾（Jeremy Corbyn）相互支持对方竞选首相。他想以此告诫公众：人工智能是一把“双刃剑”，既能助力社会发展，也能对社会带来危害。
假视频很容易被识破，但由于数字内容在网上传播的速度很快，决策者有可能会被虚假信息误导，给国家带来灾难性的后果。
3. 实体安全
尽管目前人工智能武器化的案例很少，但恐怖分子可利用商业人工智能系统进行犯罪活动，例如，使用无人机或自动驾驶车进行恐怖袭击。可以肯定，这些风险会随着人工智能的高速发展而进一步加大。
据预测，到2035年，自动驾驶车在欧洲的销量将达到世界汽车总销量的31%。此外，人类还可借助人工智能轻而易举地完成需要专业技术的任务，例如军事无人机的“集群攻击”，即利用分布式人工智能网络，使无人机具备持续监视、大区域预警、对特定目标执行快速协调攻击等能力。
物联网、“智慧城市”和基础设施互联互通暴露出的问题让黑客找到了可乘之机。虽然这些威胁尚未明确，但威胁仍无处不在。因此，英国政府需要制定积极、主动的政策，应对人工智能对国家安全的威胁。
责任编辑：赵宇然
zhaoyr@staff.ccidnet.com
作者：曾辉
欺诈性不正当行为分析论文 篇2：
金融欺诈类型及研究问题
摘 要：本文探讨了金融服务业中的欺诈行为，当前金融欺诈具有复杂性、滞后性、强危害性、防范困难的特征。本文根据相关学术文献将金融欺诈划分为虚假财务陈述、金融诈骗、金融不当销售三种类型，并整理了总结了学术文献中提出的金融监管、投资者保护、交易复杂等金融欺诈发展问题，并提出了合理建议。
关键词：金融欺诈;金融监管;金融诈骗
一、金融欺诈定义及特征
欺诈是一个广泛复杂的概念，欺诈不仅包含了行为学，也隶属于法律范畴。对于发生在银行、证券和保险等金融市场活动下的欺诈，即金融欺诈，它的定义可以更加具体。本文将金融欺诈定义为金融市场参与者通过非法地伪造或操纵金融信息来误导市场其他参与者的行为。
本文认为金融欺诈行为有四种特征：首先，金融欺诈具有复杂性。由于金融市场本身的专业性、高门槛性以及与新兴技术的结合紧密的特征，使得金融市场复杂和难以捉摸。继而导致金融市场衍生出的金融欺诈呈现出复杂化的特征。其次，金融欺诈具有滞后性。金融欺诈往往发生在非面对面交易的过程中，欺诈者隐匿迅速使得受害者和监管者无法迅速对欺诈行为进行甄别和制止。同时，金融欺诈具有强危害性。金融欺诈的发生不管是对受害者财务的影响还是对受害者心理健康的影响都是非常大的。最后，金融欺诈侦破难度大。欺诈者往往利用网络进行欺诈，欺诈者的作案过程和真实信息都难以获取。这也是我国的金融欺诈案件破案率不足10%的原因。
二、金融欺诈的类型
具体的金融欺诈行为表现形式千差万别，取决于欺诈发生的细分市场、所涉的金融工具以及所涉的欺诈者。本文根据学术文献将欺诈划分为以下三种类型：
（1）虚假财务披露，指金融市场参与者利用金融交易中的信息不对称对相关投资产品或公司的业绩和财务状况做出虚假陈述的行为。虚假财务披露虽然是欺骗，但其背后涉及合法的企业、行为者或产品。其常常被用来掩盖资金滥用、挪用或误用。上市公司的欺诈行为大多都涉及虚假财务披露，因此许多学者在组织环境中更具体地从会计欺诈的角度研究虚假财务披露。
（2）金融诈骗，金融诈骗是完全的欺诈骗局，不同于虚假财务披露，金融诈骗不一定涉及合法的企业。在骗局中，欺诈者诱使参与者自愿交出个人财务相关信息或者资金。比较典型的例子是庞氏骗局，即投资者的回报都是新投资者的资本。
（3）金融不当销售，指在明知产品或服务不适合最终用户的特定需求的情况下，向最终用户进行欺骗性和操纵性的营销、销售服务，往往围绕着产生误导印象的暗示性沟通而发展，但不包含对事实的不当陈述。这种行为一般是发生在金融专业知识的不对等的情况下。金融不当销售的核心是欺骗性销售行为，即金融产品或服务的销售者对产品或服务的未来表现做出误导性或高度投机性的陈述。
三、金融欺诈的研究问题分析
（一）金融监管与金融欺诈
有不少的学者指出金融监管对金融企业的竞争和薪酬结构会产生影响。当金融管制较宽松时，更多的新兴企业加入会加剧行业的竞争动态， 使新企业与老企业的根本利益产生冲突，此外不正当的薪酬激励结构在纵向与横向一体化的金融企业和行业中得以发展。金融公司的基于激励的制度化薪酬结构会导致整个金融价值链都产生了不正当的激励。因此，金融公司的商业模式越来越倾向于短期盈利和股票价格最大化，而不管法律是否允许。虽然罚款和其它处罚被引入进来，但相比与欺诈获得的收益，处罚成本不值一提。因此，加强金融管制非常重要，不仅需要制定出合理的处罚标准还需要约束监管者的行为，制定相应的激励机制。
（二）投资者保护与金融欺诈
在过去几十年里，随着我国金融市场的不断发展，金融市场出现了许多相对不够成熟的投资者的涌入。由于社会保障的发展和经济金融化的总趋势，这些经济体的消费者、中小企业、地方政府和半公共机构越来越多地开始参与金融市场活动。许多学术文献表明，相对不成熟的投资者的涌入，为有欺诈倾向、财务更复杂的市场参与者提供了大量没有经验，因而容易被利用的投资者，为金融欺诈的发生提供了土壤。因此，需要增加对投资者的教育学习，进行防诈骗知识宣传，提高投资者的防诈骗意识和风险意识。
（三）交易工具与金融欺诈
学术文献中反复出现的第三个要点是金融市场交易日益复杂。快速发展的技术、法律和金融创新以及不断扩大的金融产品类别，极大地降低了金融交易的透明度、可理解性和可控性，增加了欺诈者欺骗其他市场参与者的机会。有效的交易设施和信息传递系统是必不可少的条件。要有建立起便利的交易设施，发达的信息传递技术以及发达的中介组织。同时，信息传播的准确性、透明度、完整性要有相应的技术和制度支持，尽可能消除信息传递过程中的制度限制，取消不必要的信息批露关卡， 提高信息的传递效率。
（四）金融市场特征与金融欺诈
当前许多金融市场活动的故意复杂化，为市场活动蒙上“神秘面纱”，这样的特征进一步助长了金融市场欺诈的发生。越来越多的金融机构采用合理保密的方式，对交易模式进行神秘化。尤其是集体投资基金中的金融诈骗和虚假财务披露，在这样的环境下得到了充分发展。金融资产交易应当透明化，实现进场交易、中央结算，进而推动金融机构转型升级。
参考文献：
[1] Park， N. Y. Trust and Trusting Behavior in Financial Institutions： Evidence from South Korea.[J] International Review of Economics & Finance， 2020，67， 408-419.
[2] Sarria， E.， Recio， P.， Rico， A.， Diaz-Olalla， M.， Sanz-Barbero， B.， et al. Financial Fraud， Mental Health， and Quality of Life.[J] International Journal of Environmental Research and Public Health， 2019，16（18）.
[3] 蘭王盛，邓舒仁.数字普惠金融欺诈的表现形式及潜在规律研究——基于典型案例的分析[J].浙江金融，2016（12）：68-73.
[4] 薛艳丽. 金融诈骗为何屡屡得手[J]. 金融经济， 2010（4）：59-60.
[5] 张红申.现代经济下金融欺诈行为分析[J].纳税，2019，13（20）：216.
作者：翟金阳
欺诈性不正当行为分析论文 篇3：
一种面向欺诈规避的C2C电子商务信用评价模型设计
【摘 要】C2C电子商务模式由于虚拟性和信息的不对称性，导致交易欺诈现象频发，信用问题日增。论文以淘宝网为例，分析其信用评价模型优缺点，基于其评价模型的不足，借鉴和采用层次分析法及信用衰减等方法，引入信用衰减时间、交易价格、买家信用、欺诈处罚等因素，改进设计多因素衡量的信用评价模型，对C2C信用真实评价及欺诈风险防范具有现实意义。
【
【关键词】C2C电子商务；信用评价模型；不正当信用评价；信用衰减
【
1 C2C电子商务发展现状及信用问题
1.1 C2C电子商务模式的发展潜力
我国电子商务起步晚、发展快，经过近二十年的发展，我国的电子商务已经成为国民经济中不可忽视的力量，其中C2C电子商务交易所占比例也越来越大并且趋于稳定。
近年来我国电子商务消费者人数迅速增长，根据CNNIC第41次《中国互联网络发展状况统计》[1]，截至2017年12月底我国电子商務市场的交易总额高达29.16亿元，较之2016年增幅约为11.7%。网络购物市场总交易规模高达6.2亿元，比2016年增长24%。
2010年C2C市场的交易额约为4651亿元，2015年C2C电子商务在中国整体网络购物市场规模中增长率为19.5%，2017年天猫双11全球狂欢节交易额高达1682亿元，年增长39%，数据表明C2C电子商务模式发展空间很大。
1.2 我国C2C电子商务信用问题
C2C电子商务作为虚拟交易模式的一种，交易双方基于信用纽带进行交易，因此这种虚拟的交易方式很容易存在信用及欺诈风险。例如，产品信息描述真实性、买卖双方的身份认证简单等，这些都会导致信用评价漏洞不断出现。信用风险作为主要风险之一，既不利于买卖双方交易的完成，而且会影响消费者的购买意愿和重复购买行为，严重阻碍C2C电子商务健康发展。
2 相关理论方法介绍
2.1 层次分析法
层次分析法适用于具有分层交错评价指标的目标系统，且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值，及其所对应的特征向量，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。具有分析问题系统简洁实用，且所需要的定量数据较少等优点。
2.2 信用衰减理论
衰减理论应用于多个领域，而基于时间的衰减理论，体现在某些数据随着时间的推进，其数量或大小逐渐变小的情况。在分析某些数据时，往往会更关注近期的数据，时间越久的数据受关注的程度越低。而基于时间的信用衰减就是体现了对近期信用的关注，某一时期内的信用随着时间的推进，其数值越来越小，因此其影响程度也越来越小，信用值呈现下降的趋势[2]。
3 不正当信用评价行为分析
通过调研发现，C2C交易过程中存在较多的不正当信用评价行为。不正当信用评价行为是以一定的特殊目的为基础的，由于评价主体的目的存在差异性，多数属于虚假的购物体验，这些评价并不能真实、客观的反映交易情况，导致正当评价行为被混淆，使得评论失去了客观性与真实性。其存在原因如下：
3.1 消费者缺乏评价的主动性和积极性
由于目前网络购物消费者以一次消费为主，所以大部分消费者与经营者并未建立良好的互动关系，导致评价激励机制健全度低，所以难以调动消费者评价的积极性，追加评论的消费者更是寥寥无几。
3.2 信用评价考核内容单一，计算方法简单
①单纯累积计算，该计算方法会由于经营时间不同造成计算结果缺乏公平性。
②交易额不影响经营者的信用水平，但交易数量对经营者信用具有一定的影响。
③所有消费者做出的评价其价值相同。
4 信用评价模型改进设计——以淘宝网为例
4.1 淘宝网信用评价模型简述
淘宝的现行信用评价模型[3]主要分为两个部分，分别为信用评价、店铺评分（DSR）。店铺评分内容分别为卖家服务态度、宝贝与描述相符、卖家发货速度和物流服务速度四项。
淘宝信用评价模型的优缺点归纳如下。
4.1.1 优点
①操作简单；②较强的适用性；③良好的用户友好性。
4.1.2 缺点
①评分计算缺乏合理性；②评价等级过于简单；③未考虑买家信用；④未考虑价格因素；⑤默认评价处理不够妥当；⑥惩罚机制不健全；⑦退货不做评价；⑧未考虑信用的时间因素。
4.2 模型的优化
4.2.1 店铺评分等级的设计
淘宝网目前的指标打分分值为0-5分，对于卖家来说，最不理想的结果为本次交易信用分为0，即对其已有的信用评级无太大影响。本文对商品质量、卖家服务态度和卖家发货速度这三个指标的打分分值调整为-3至+3，得分为正表示满意，分数值越高消费者越满意，反之，负值表示不满意。[1]
4.2.2 买家信用划分
在消费者群体中仍有很多买家未进行实名认证，这类买家就很有可能进行不正当信用评价行为，为此，在改进模型中将买家划分等级，采用这种方法，有助于减少信用炒作和恶意评价的情况发生。
4.2.3 惩罚因素的选择
本文使用销售率的概念，将销售率作为一个惩罚因素，乘以卖家的累计信用，如果卖家一直诚信经营，那么其惩罚因素的数值为1，如果有不正当交易行为产生，其销售率会小于1，这样多次计算，会对卖家信用产生很大的影响，以此来激励卖家诚信经营。
4.2.4 默认评价的处理
调查显示有不少消费者选择默认评价，他们一方面是觉得东西一般，虽不如预期的好，但也在可接受范围内，另一方面是没有评价的习惯，觉得麻烦，浪费时间，因此在改进模型中，默认评价分值设置为0。
4.2.5 单次交易金额的影响处理
一般认为交易金额与买家的风险感知正相关，金额不同的商品所获得的评价机会一样，然而不同价格的商品交易信息的反馈，其可参考性也是不一样的。交易金额权重的处理如表1所示。
4.2.6 信用衰减的应用
本文设定的衰减率为0.89，表2为信用衰减过程，因为本文选取的是12个时间段内的信用值，最后一个时间段内的数据被衰减了11次，本文以一个时间段内信用值不小于15%为节点，通过计算得出，当衰减率D取0.89时，0.148是第12个时间段信用值对应的衰减率，其产生的影响已不到它最初数值的15%。
首先对符号的概念进行说明，Rn，……，R2，R1表示为卖家从当前月开始计数，往期每个时间段内的信用值，Cn表示当前卖家基于时间衰减的累积信用值，Pn-1表示除了当月信用值Rn以外的之前各期信用评分衰减后的总和，信用衰减率为D。当月内的累计信用值表示为，公式如下：
其中An为当月销售率；Bt表示消费者的个人信用权重；St为当次交易金额权重；qt、st、mt分别表示某个消费者对商品质量、服务质量以及发货速度的一组打分；有z个消费者。
各个时间段内的衰减系数依次为1，D，D2，……，上一个信用值到次月进行首次衰减，所以本月系数为1，即不进行衰减，则
4.3 应用实例
选取一个主营母婴商品的卖家（布*林）实际数据为例，对店铺的数据进行取样，来检验上述的改进模型计算。以半年销售数据（2017年12月1日—2018年5月24日）为基础，并将初始信用分设为0，以月为单位进行计算。
4.3.1 信用评价模型改进
在改进模型中将评分分值扩充为-3～+3。另外，引入上小节的各优化因素。将信用评价分用Ln表示，Tn-1表示除了当期信用值Yn以外的之前各期信用评分衰减后的总和，kt表示该消费者所给出的打分为-3～+3之间的整数值，其余符号同上小节，并以月为单位进行衰减，可推导出信用评分公式为：
以6个月的数据为例，分别计算淘宝模型和改进模型的信用分值，为简化计算假设交易金额权重恒为1。
4.3.2 店铺评级模型改进
店铺评价模型的具体优化细节如上小节中各方面的优化，默认评价以零分记。本文将整体店铺评级评分表示为：
通过该店铺六个月各项评分汇总计算，为简化计算假设交易金额权重恒为1。
通过对比淘宝现有模型和改进模型在各优化因素方面的试验，结果表明，信用评分和店铺评级均有所下降，改进模型在上述各个方面的应用都较为有效。
5 信用评价体系改进建议
5.1 完善网络交易信息披露制度
一方面需要增加店铺经营者信誉度披露内容，网络交易平台需要对经营者商业信息定期进行公示，公布内容主要为信誉度评价结果和评价的相关标准，包括成交额、退货率、好评率等。另一方面是对管理制度的披露内容进行完善，包括公开经营者和物流商的信息，公开消费者投诉卖家或物流商的违规行为。[2]
5.2 完善电子商务平台准入机制
提高市场准入标准，有助于筛选出不合格的店铺经营者，保障网购市场的混乱现象从根源上被遏制，具体做法如：严格执行网络购物经营者工商登记制度和身份确认制度，实行阶段性淘汰机制，第三方平台做好监督管理工作，不断提高监管部门的监管能力和效率。
5.3 提高消费者参与信用评价行为的主动性与真实性
鼓励消费者积极参与购后评价，改变现有的由于真实消费者自身所作出的虚假评价，例如，虽然好評返利是一种激励机制，但其本质上属于偏向卖家的行为，不利于买家真实的表现自身对产品或服务的体验。但在物质激励下，一些买家不得不进行虚假评价。
5.4 完善市场监管机制
加强工商等行政管理部门的监管，可以设立电子商务管辖部门，专门服务电子商务领域的工商活动，降低消费者维权的难度，同时还有助于减少部门间相互推诿现象的出现。此外，消费者协会也需要发挥自身的作用，引导卖家自律经营，以保证更好的维护消费者权益。
【参考文献】
【1】杨晓薇.C2C电子商务模式下的信用评价研究[J]. 电脑与电信， 2010（01）：47.
【2】 胡剑波，梁工谦，路艳.C2C中卖方信用评价模型的构建与应用[J].情报杂志， 2008（05）：45.
作者：卫昆 崔雨晨