VIP16
本课程属于：014-支付欺诈、商户风险与EMV 3DS 智能金融与金融工程 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Friendly Fraud友好欺诈识别实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=友好欺诈的定义 · 与恶意欺诈的区别 · 行业现状与危害
课程导入目标=友好欺诈的…
02
友好欺诈的常见类型
目标=未收到商品 · 商品与描述不符 · 未经授权交易
友好欺诈的常见类…目标=未收到商品
03
友好欺诈的成因与动机
目标=消费者心理 · 经济压力 · 平台政策漏洞
友好欺诈的成因动机
04
友好欺诈的识别信号
目标=订单行为异常 · 客户沟通模式 · 历史退款记录
友好欺诈的识别信…目标=订单行为异…
05
数据收集与预处理
目标=交易数据 · 用户行为数据 · 客服记录
数据收集预处理
06
特征工程实战
目标=构建用户画像 · 交易时序特征 · 文本特征
特征工程实战目标=构建用户画…
07
规则引擎与专家系统
目标=基于业务规则的初筛策略 · 阈值设定 · 规则组合与优化
规则引擎专家系统
08
机器学习基础方法
目标=逻辑回归 · 决策树 · 随机森林在友好欺诈识别中的应用与对比
机器学习基础方法目标=逻辑回归
09
高级机器学习方法
目标=梯度提升树 · 神经网络 · 集成学习在欺诈检测中的实战技巧
高级机器学习方法目标=梯度提升树
10
异常检测与无监督学习
目标=孤立森林 · 聚类 · 自编码器在无标签场景下的应用
异常检测无监督学习
11
图神经网络与关系网络
目标=利用用户-商户-设备关系图识别…
图神经网络关系网络
12
自然语言处理在客服文本中的应用
目标=情感分析 · 意图识别 · 投诉文本分类与欺诈线索提取
自然语言处理客服文本
13
模型评估与调优
目标=准确率 · 召回率 · F1
模型评估调优
14
类别不平衡处理
目标=过采样 · 欠采样 · SMOTE
类别不平衡处理目标=过采样
15
可解释性与模型监控
目标=SHAP · LIME · 特征重要性分析及模型漂移检测与更新
可解释性模型监控
16
实时检测系统架构
目标=流式计算 · 在线推理 · 规则与模型融合
实时检测系统架构目标=流式计算
17
案例实战一
目标=电商平台未收到商品欺诈识别全流…
案例实战一目标=电商平台未…
18
案例实战二
目标=数字订阅服务中未经授权交易与退…
案例实战二目标=数字订阅服…
19
案例实战三
目标=共享经济平台中商品与描述不符类…
案例实战三目标=共享经济平…
20
案例实战四
目标=跨境支付场景下友好欺诈的跨域特…
案例实战四目标=跨境支付场…
21
对抗性攻击与防御
目标=欺诈者规避策略 · 模型鲁棒性提升 · 对抗训练与动态规则更新
对抗性攻击防御
22
隐私保护与合规
目标=GDPR · CCPA · 数据最小化
隐私保护合规
23
运营策略与客户沟通
目标=误判处理 · 申诉流程 · 客户教育
运营策略客户沟通
24
绩效指标与业务影响
目标=欺诈损失率 · 误杀率 · 客户满意度
绩效指标业务影响
25
常见问题与陷阱
目标=数据泄露 · 过拟合 · 标签噪声
常见问题陷阱
26
工具与平台实战
目标=Python · Scikit-learn · XGBoost
工具平台实战
27
团队协作与流程管理
目标=数据科学家 · 风控 · 客服
团队协作流程管理
28
综合项目一
目标=从零构建友好欺诈识别系统（需求… · 数据准备 · 建模
综合项目一目标=从零构建友…
29
综合项目二
目标=针对新型友好欺诈手法的快速响应…
综合项目二目标=针对新型友…
30
课程总结与未来趋势
目标=核心知识点回顾 · 生成式AI与深度伪造带来的新挑战 · 持续学习路径
课程总结未来趋势