作为知识经济中著名的商业模式之一,众包正成为开放式创新的一新兴形式。众包扩大了企业的创意创新源,优化了社会资源,特别是众包竞赛模式使企业、众包平台和众包工作者都从中获益,同时引起了学术界的极大关注。自众包产生以来,国内外学者的相关研究日益增多,当前学者的研究大多集中在众包平台和工作者角度,包括众包竞赛的机制、任务推荐、工作者参与动机以及方案的质量和风险控制等,从项目发起方的角度研究很少,对众包竞赛发起方恶意行为进行深入系统研究的则更为少见。众包发起方和工作者因为完成同一任务而短暂的联系在一起,这种缺乏稳定性的契约模式,使得双方在获益的同时也面临风险。例如,众包竞赛模式中,多人参加众包项目,发起方在阅览所有方案后选择一个或少数几个工作者中标,这就造成众包工作者之间可能出现过度竞争,以及工作者的知识成果盗用风险等问题。目前,由平台工作人员人工判别欺诈发起方既费时又费力,学术界对于众包竞赛这种以知识成果为驱动,而非金钱驱动的欺诈行为研究还停留在理论层面,以往研究中的欺诈检测线索很有可能效果不佳甚至失效;同时,计算机技术在此领域的应用缺失,导致智能化自动检测发起方的欺诈行为十分具有挑战性。为了应对这一挑战,本研究首次系统性深入探讨在以知识成果为导向的众包竞赛中,各类线索对线上欺诈检测的价值;同时,基于机器学习方法,构建有效的欺诈预警系统,完成对众包竞赛项目的自动跟踪和监控,实现对风险因素的全程控制和预警。具体而言,首先,基于传统的欺诈理论,本研究针对众包环境,以知识成果为目标的欺诈行为做出分析,同时考虑到结构化与非结构化信息的量化,利用各种机器学习方法验证各类型检测线索的有效性与价值。其次,在上述传统线索有效性探索的基础上,本文从流程视角提出了一个分阶段的欺诈智能化的监控与检测框架,从事前预防与事中控制着手,对线上欺诈进行意图捕捉与预判,并及时采取相应措施,有效避免后续欺诈行为的产生以及降低后续的纠纷处理成本,真正做到风险的防范与控制。最后,由于在开放式创新平台中,二元属性即关系网络可能比单一来源的属性更能有效识别用户的潜在行为,本研究首次引入社会网络分析方法,验证社会网络中的二元特征对于欺诈意图判别的有效性,并通过输入阶段模型加入网络特征前后对比试验,进一步提高了预警系统输入阶段的风险防控能力。事实上,本研究通过对静态和动态语境中的语言信息和非语言信息进行对比分析,证实了传统的语言线索在知识成果为导向的线上欺诈检测中的有效性,同时重新定义了线上的非语言线索的范围,扩展了欺诈检测理论的理论边界。针对众包竞赛的不同阶段,本研究提出的众包平台上恶意发起方的预警模型与框架丰富了流程视角（I-P-O）与社会网络分析（SNA）理论的应用,也加深了对类似线上活动的理解。以众包发起方欺诈行为为研究对象,不仅是对大众阶层创造创新力量的重视,而且是保护大众创新的知识成果,防止打击大众在知识价值创造中的工作积极性的有效方式。提出智能化的欺诈检测方案,构建合理的自动检测机制,降低众包欺诈风险,减少信息过载和争议处理成本,有助于更好的构建公平且完善的平台环境,同时也是实现开放式创新中的知识成果保护、保持众包模式与开放式创新获得多样化创新源,持续、健康发展的重要一环。