摘要：近年來,B2C在線交易得到繁榮的發(fā)展,個人用戶通過電子賬戶在電子商務(wù)網(wǎng)站進行交易時,在線支付平臺為其提供網(wǎng)上的資金結(jié)算服務(wù),但是B2C在線交易依然存在著很多的挑戰(zhàn),欺詐交易就是其中最重要的挑戰(zhàn)之一。欺詐者通過非法手段竊取用戶的電子賬戶,然后通過第三方購物網(wǎng)站轉(zhuǎn)移賬戶資金,給用戶造成了極大的經(jīng)濟損失。因此,在線支付平臺亟需建立有效的欺詐交易檢測系統(tǒng)。本文提出了一種基于XGBoost的欺詐交易檢測模型,解決了其他機器學習模型在面對數(shù)據(jù)不平衡問題上的不足。本文通過在某金融平臺的真實B2C交易數(shù)據(jù)集上進行驗證,實驗表明該方法的性能超過其他的機器學習模型,該方法能夠檢測出超過94%的欺詐交易,并且保持打擾率低于0.1%。