随着互联网金融的快速发展，欺诈现象越来越严重，传统欺诈检测手段在新形势下面临巨大挑战。由于规则系统具有滞后性和冗余性，群体行为没有充分考虑用户之间的差异性，个体行为刻画的准确性容易受到用户交易频次的影响，如何根据用户交易频次实现对不同用户个体行为的准确刻画是一个待解决的问题。针对此问题，本文根据用户交易频次对用户进行划分，针对高频用户、低频用户和个体行为检测系统分别展开研究，主要内容如下：
　　首先，针对现有方法对所有用户采用同一界限导致部分用户误判率高的问题，提出了个体行为超球体欺诈检测模型和方法，实现了高频用户行为的准确刻画。该方法依据用户历史交易和变化趋势构建每个用户的交易行为，同时给出了计算每个用户最佳风险阈值的方法，两者结合组成用户交易行为基准。基于行为基准提出超球体模型，将交易检测转化为多维空间中点的映射。实验证明该方法要优于基于用户行为证书的检测模型，模型精确率提升10%左右，干扰率降低12%左右，并且发现了用户行为的刻画效果与用户的交易频次有关。
　　其次，针对用户数据量稀少无法准确刻画用户行为的问题，提出了行为迁移的多行为交易检测方法，实现了低频用户行为的准确刻画。该方法结合用户自身交易行为基准，并且通过密度聚类提取出当前交易的群体行为和利用滑动窗口机制计算出当前交易的状态，构建低频用户新的行为基准。基于此提出一种多行为检测模型，结合每种行为检测结果，利用朴素贝叶斯模型判断当前交易是否正常。实验证明该方法在低频用户交易检测上相比于超球体模型平均精确率提升8%，干扰率降低5%以上。
　　最后，设计并实现了基于个体行为的交易欺诈检测系统，该系统基于上述两个模型实现了对高频用户和低频用户的欺诈交易检测。通过真实数据模拟实时交易场景，分别实现如下功能：用户交易的实时监控，对当前进入系统中的交易进行识别；被拦截交易的审核分析，通过可视化的方式展示交易拦截原因；用户历史行为分析，根据历史数据分析用户正常行为和异常行为不同之处。通过以上功能和可视化展示等方法去验证本文提出模型的有效性和实用价值。
　　综上所述，本文主要针对交易频次对用户行为刻画准确性的影响展开研究，提出了两种针对不同频次用户的用户行为建模方法和交易欺诈检测方法，并且设计并实现了基于个体行为的交易欺诈检测系统。通过真实数据模拟实时交易场景，证明了本文提出模型的有效性，在电子交易欺诈检测上有很好的应用价值。