识别网约车刷单行为以防控平台奖励欺诈的方法

共计 1022 个字符，预计需要花费 3 分钟才能阅读完成。您也可以收藏到微信

本方法旨在识别和防控针对网约车平台奖励或激励活动的黑色产业链刷单行为。其核心在于构建一个 多层次、多维度的自动化过滤系统，对所有参与奖励的订单进行逐一筛查。通过分析设备、支付、行为及地理位置等多个异常维度，并结合阈值判断，精准识别欺诈订单，防止平台奖励被套取。

第一步：数据准备与异常标记
对所有参与平台奖励的订单，补充其详细订单信息，并依次执行以下异常检测规则：

S1: 设备 IMEI 关联检测
- 规则：计算单个设备 IMEI 号对应的下单手机号数量。
- 判定：若数量 > 阈值 n，则标记为 异常 1 。
- 目的：识别一台手机被用于多个账号刷单的“一号多机”行为。
S2: 支付设备关联检测
- 规则：计算单个第三方支付设备号对应的下单手机号数量。
- 判定：若数量 > 阈值 n2，则标记为 异常 2 。
- 目的：识别一个支付账户（如微信、支付宝）被多个刷单账号共享使用的行为。
S3: 行程时效异常检测
- 规则：计算订单“下单时间”与“司机上车时间”的间隔。
- 判定：若间隔 < 1 分钟，则标记为 异常 3 。
- 目的：识别无需等待、预先安排的虚假行程。
S4: 地理位置异常检测
- 规则：判断订单服务城市与下单手机号的号码归属地是否不一致。
- 判定：若不一致，则标记为 异常 4 。
- 目的：识别异常的跨区域刷单行为。

第二步：分层过滤与判定
完成所有异常标记后，进入如下所示的过滤判定流程：

高风险设备与支付过滤（S7）：
- 若订单被标记为 异常 1 或 异常 2 ，则直接判定为异常订单，奖励不予发放。
- 否则，进入下一步。
快速上车订单比例过滤（S8）：
- 若订单被标记为 异常 3 ，则计算该司机当日所有订单中此类“快速上车”订单的比例。
- 若比例 > 阈值 m，则认为司机存在大量预先安排的刷单行为，奖励不予发放。
- 否则，进入下一步。
跨城订单比例过滤（S9）：
- 若订单被标记为 异常 4 ，则计算该司机当日所有订单中此类“跨城用户”订单的比例。
- 若比例 > 阈值 m1，则认为司机存在异常的跨区域刷单行为，奖励不予发放。
- 否则，进入下一步。
小额 / 小里程订单模式过滤（S10）：
- 对于无上述异常标记的订单，计算该司机当日订单中“小额订单”或“小里程订单”的比例。
- 若比例 > 阈值 m2，则认为其订单模式异常（疑似刷取行程数奖励），系统将其转入 人工审核环节。
- 若比例未超过阈值 m2，则判定为正常订单。