Использование методов машинного обучения в поведенческом анализе для нахождения мошенничества на маркетплейсе

В последние годы растёт популярность онлайн ретейлеров, которые представляют своим клиентом широкий выбор товаров и продавцов. Вместе с этим растет и количество мошеннических действий. Злоумышленники могут ставить перед собой разные цели, но в каждом из случаев урон понесет маркетплейс. Если заглянуть внутрь любого подобного онлайн магазина, то окажется, что мы имеем дело с большим объёмом данных, которые можем использовать для анализа и обработки. Правильно подойдя к постановке задачи и выделив нужные сущности и источники данных, мы можем использовать современные методы машинного, и в том числе глубокого, обучения для предсказания мошеннических действий. В ходе этого исследования предлагается изучить применение различных подходов к двум реальным практическим задачам, которые существуют в самом крупном маркетплейсе на территории России и многих других стран. Обе задачи являются примером организованного группового мошенничества, обе задачи являются визуально схожими, но являются разными по цели и паттерну поведения. Первая задача - задача самовыкупов, когда продавцы с помощью искусственных продаж пытаются повысить свой товар в выдаче покупателям. Вторая - задача мошеннического возврата товара, когда злоумышленники пользуются внутренними механизмами для получения денежной выгоды, по своей сути обворовывая маркетплейс. Для решения обеих задач были предложены два разных подхода с ориентировкой на бизнес задачи. Было исследовано 11 алгоритмов и из них выбраны лучшие для использования в продуктовом решении. Полученное качество решений полностью удовлетворило бизнес заказчиков и позволило маркетплейсу получить денежную компенсацию в первом случае и предотвращение потерь во втором, также во втором случае введение модели позволило использовать новый механизм вывода средств. А также наиболее ценным достижением является, то что маркетплейс повысил доверие и безопасность своих пользователей.