加纳移动支付诈骗短信的机器学习检测对比研究
原文：Machine Learning-Based Detection of Mobile Money Scan Messages in Ghana: A Comparative Evaluation of Naive Bayes, Support Vector Machine, and Randon Forest Classifiers
移动货币（MoMo）是加纳首选的零售支付渠道，2025年12月交易额达5184亿加纳塞地，活跃账户超过2670万（Graphic Online, 2026）。这一增长伴随着通过短信服务（SMS）和非结构化补充服务数据（USSD）进行的社会工程欺诈增加，欺诈者冒充网络运营商、代理商、亲属或监管机构以获取个人识别码（PIN）、身份数据或资金。我们提出一个监督机器学习流水线，使用包含18个诈骗和合法子类别的220条消息标注语料库，对加纳MoMo诈骗和合法短信进行分类。在TF-IDF一元和二元向量化之前，对货币金额、电话号码和USSD代码进行领域特定归一化。使用分层五折交叉验证和20%留出测试集，我们训练并评估了多项式Naive Bayes、线性支持向量机（SVM）和随机森林分类器，使用准确率、精确率、召回率、F1分数、Matthews相关系数（MCC）和受试者工作特征曲线下面积（AUC-ROC）。留出准确率、F1和AUC对于Naive Bayes和线性SVM均为1.00；交叉验证准确率平均分别为96.6%（+/-3.3）、94.9%（+/-4.6）和92.0%（+/-4.2）。判别性n-gram反映了命令式紧迫性（“send”、“claim”、“please send”）和PIN索取（“PIN”、“pincode”）；合法消息则具有确认性和警示性语言（“balance”、“successful”、“do not share”）。研究结果在撒哈拉以南非洲短信欺诈检测、小型模板化语料库上限效应以及通向更大自然主义多语言语料库的路径等背景下进行了讨论。可解释的经典分类器在结构化MoMo诈骗文本上实现了高准确率，适合低资源、设备端场景中的运营商或手机级过滤。作者：Ibrahim Salifu, Muhaisin Tiyumba Nantogmah。类别：cs.LG