turns-00012.parquet:58120
b982e2034c886d2de3c5bac9
turn 6/7gpt-3.5-turbo-0613EnglishJapan297 words
degenerate_repetitionAbsentFinal dense release
USER
请使用800至1000字,基于以下17篇论文和文献,对支付交易中异常行为检测的研究现状予以分析和总结:[1] Wang, Y. D., Yu, W. Y., Teng, P., Liu, G. J., & Xiang, D. M. (2022). A Detection Method for Abnormal Transactions in E-Commerce Based on Extended Data Flow Conformance Checking. Wireless Communications & Mobile Computing, 4434714. doi:10.1155/2022/4434714. [2] Xiao, L. J., Han, D. Z., Li, D., Liang, W., Yang, C., Li, K. C., & Castiglione, A. (2023). CTDM: cryptocurrency abnormal transaction detection method with spatio-temporal and global representation. Soft Computing, 27(16), 11647-11660. doi:10.1007/s00500-023-08220-x. [3] Gu, Z. M., Lin, D., & Wu, J. J. (2022). On-chain analysis-based detection of abnormal transaction amount on cryptocurrency exchanges. Physica A: Statistical Mechanics and its Applications, 604, 127799. doi:10.1016/j.physa.2022.127799. [4] 陈耿浩. 异常账户检测方法、装置、设备及存储介质[P]. 广东省:CN115511549A,2022-12-23. [5] 张凯,谭汉清,杨书雅. 一种可疑交易自动识别和处理方法、终端和服务器[P]. 北京市:CN110428240B,2022-11-04. [6] 黄昭炜. 一种可疑账户识别方法、装置、设备、介质及产品[P]. 北京市:CN114707991A,2022-07-05. [7] 滕彬,谭文意,夏璐等. 支付业务系统监控方法、装置和设备及计算机存储介质[P]. 广东省:CN114443409A,2022-05-06. [8] 刘焱,王俊良,谷俊等. 资金交易数据中可疑团伙的识别辅助方法及装置[P]. 北京市:CN111353891A,2020-06-30. [9] 王雅芳,姚琳琳,龙翀等. 跨平台的异常账号识别方法和装置[P]. 开曼群岛:CN109242515A,2019-01-18. [10] 唐谏珍.互联网金融行业反洗钱监管问题研究[J].区域金融研究,2019,0(8):30-33 [11] 张洁.以大数据提升反洗钱数据质量[J].中国金融,2020(4):102-102 [11] 国家市场监督管理总局. 非银行支付机构支付业务设施技术要求:GB/T 41460-2022[S]. 2022. [12] 国家市场监督管理总局. 非银行支付机构支付业务设施检测规范:GB/T 41463-2022[S]. 2022. [13] 国家市场监督管理总局. 信息安全技术 网络支付服务数据安全要求:GB/T 42015-2022[S]. 2022. [14] Z. Fan, H. Jiang and Z. Lin, "An Improved XGBoost-Based Model for Detecting Abnormal Transaction Behavior of Online Shopping Consumers," 2022 12th International Conference on Software Technology and Engineering (ICSTE), Osaka, Japan, 2022, pp. 66-72, doi: 10.1109/ICSTE57415.2022.00017. [15] L. Ma, X. Su, Y. Yu, C. Wang, K. Lin and M. Lin, "What Drives the Use of M-Payment? An Empirical Study About Alipay and WeChat Payment," 2018 15th International Conference on Service Systems and Service Management (ICSSSM), Hangzhou, China, 2018, pp. 1-6, doi: 10.1109/ICSSSM.2018.8465029. [16] Ravi Sarathy, "3 Digital Currencies, Payment Systems, and Their Enterprise Implications," in Enterprise Strategy for Blockchain: Lessons in Disruption from Fintech, Supply Chains, and Consumer Industries , MIT Press, 2022, pp.87-126. [17] Baxter Hines, "Fundamentals of a Security Token," in Digital Finance: Security Tokens and Unlocking the Real Potential of Blockchain , Wiley, 2021, pp.37-46.
ASSISTANT
支付交易中异常行为检测是保障金融安全和预防洗钱等违法活动的重要手段。近年来,随着电子商务和加密货币的普及,支付交易中异常行为检测的研究得到了广泛关注。本文将对17篇相关论文和文献进行分析和总结,以了解目前支付交易中异常行为检测的研究现状。 首先,研究者们提出了不同的异常行为检测方法。例如,Wang等人(1)提出了一种基于扩展的数据流符合性检查的电子商务异常交易检测方法。Xiao等人(2)则提出了一种基于时空和全局表示的加密货币异常交易检测方法。另外,Gu等人(3)通过链上分析来检测加密货币交易的异常金额。 其次,还有一些研究关注于异常账户和可疑交易的识别与检测。例如,陈耿浩(4)和黄昭炜(6)分别提出了异常账户识别方法和可疑账户识别方法。张凯等人(5)则提出了一种可疑交易自动识别和处理的方法。 此外,一些研究关注支付交易监控和反洗钱问题。滕彬等人(7)提出了一种支付业务系统监控方法。唐谏珍(10)的研究着眼于互联网金融行业的反洗钱监管问题。张洁(11)则通过大数据提升反洗钱数据质量。 此外,一些论文关注支付业务设施技术规范和信息安全要求。国家市场监督管理总局发布的技术要求和检测规范(11-13)为支付业务的安全和规范提供了指导。 除了上述研究成果,还有一些研究探讨了数字货币、支付系统和区块链的企业应用与安全(16-17)。 综上所述,当前对支付交易中异常行为检测的研究主要集中在电子商务和加密货币领域。研究者们提出了各种方法和技术来识别异常交易、异常账户和可疑行为。此外,对支付交易监控、反洗钱问题以及支付业务设施的技术规范也得到了研究关注。未来的研究可以进一步深入探讨异常行为检测的算法优化、数据安全保障和技术标准制定等方面,以提升支付交易的安全性和有效性。