Identity Fraud Detection — 多维账号欺诈检测：设备+行为+网络三重验证
Skill-Identity-Fraud-Detection · 19-风控反欺诈
experimentforecastingmulti_agentfraud_detection供应链与补货客服与VOCMAS与智能体工程风控与合规WF-A 智能补货WF-C 客服分诊WF-D 选品扫描WF-E Review监控WF-G Listing内容优化WF-H 复购增长
收录于跨境风险防御作战室
实现难度⭐⭐☆☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色运营负责人 / 合规负责人 · 品牌负责人 · CEO
适用平台Amazon 刷评检测与举报 · TikTok Shop 刷单识别 · 竞品 Listing 攻击溯源
什么情况下用竞品刷单刷好评，自己的 BSR 和评分被打压；账号/ASIN 被恶意投诉删除；店铺有异常订单不确定是真实买家
成功是什么样的识别过滤刷评/恶意竞争行为，账号风险提前预警，维权有数据证据，降低封号风险
业务痛点
1. 解决的问题
核心思想：三维欺诈信号融合检测账号欺诈——设备指纹相似度（识别同一设备多账号）+ 行为序列异常（购买/浏览模式偏差）+ 账号关联网络社区（图社区发现）。三维信号通过加权融合输出欺诈概率，任一维度异常均触发预警。
2. 核心算法逻辑
核心思想：三维欺诈信号融合检测账号欺诈——设备指纹相似度（识别同一设备多账号）+ 行为序列异常（购买/浏览模式偏差）+ 账号关联网络社区（图社区发现）。三维信号通过加权融合输出欺诈概率，任一维度异常均触发预警。
3. 业务应用场景
场景 A：刷单账号识别（新账号 24 小时刷评预警）
- 业务问题：某婴儿推车 Listing 在 48 小时内收到 12 条五星评论，怀疑是刷单行为。如何系统性识别这批账号？ - 三维检测结果： - 设备维度：12 个账号中 9 个设备指纹 Jaccard 相似度 > 0.88，聚类为 2 个设备组 - 行为维度：购买后平均 3.2 小时即发布评论（自然用户中位数 4.7 天），Z-score = 3.8 → 异常 - 网络维度：9 个账号共享同一 IP /24 段，形成一个高密度社区（社区欺诈率 78%） - 综合欺诈概率：0.82 → HIGH RISK，建议屏蔽全部 12 条评论并标记账号
场景 B：Amazon Seller 多账号规避 ToS（账号图关联发现）
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
未自动抽取；请查看原始 Skill 卡片。
7. 代码模板
代码块数量：5 · 路径：paper2skills-code/risk_fraud/identity_fraud_detection
from paper2skills_code.risk_fraud.identity_fraud_detection import (
AccountProfile,
DeviceFingerprintMatcher,
BehaviorAnomalyDetector,
AccountGraphAnalyzer,
IdentityFraudDetector,
run_demo,
)
if __name__ == "__main__":
run_demo()8. 论文来源
未自动抽取；请查看原始 Skill 卡片。