C2C电子商务作为电子商务的重要模式之一，已经越来越被消费者所青睐。目前在线信誉系统已经被大多数C2C电子商务交易平台所采用。在线信誉系统是根据用户历史交易的评价来计算用户当前的信誉值，而用户的信誉值与用户的可信程度成正比。在线信誉系统在一定程度上解决了C2C电子商务中的信任问题，但并不能够很好地识别C2C电子商务中的欺诈行为。C2C电子商务中的恶意用户通过一定的方法提高其信誉值，伪装为可信度比较高的用户后，采取欺诈行为，使其他用户遭受损失。欺诈行为已经成为限制C2C电子商务发展的因素之一。本文将C2C电子商务用户角色分为欺诈者、同谋者、伪同谋者和诚实者四种角色，提出一种三阶段检测算法。第一阶段建立用户社会网络混合图，第二阶段采用贝叶斯网络技术对C2C电子商务中欺诈行为检测，第三阶段运用马尔可夫随机场技术对C2C电子商务中欺诈行为的理论与技术进行了分析和研究。通过人工识别和第三方交易平台定期公布黑名单的机制，可以得到部分黑白名单用户。在黑白名单用户达到一定数量时，通过运用贝叶斯网络技术来达到C2C电子商务用户角色预测的目的。首先，建立用户社会网络混合图，从用户评价相关的属性、用户价格相关的属性和用户社会网络相关的属性中选出部分属性作为贝叶斯网络中的变量。其次，使用完备集下的贝叶斯网络学习方法，构建了C2C电子商务贝叶斯网络。然后，运用该贝叶斯网络对C2C电子商务用户角色进行判定，并标记出不诚实用户，来达到欺诈检测的目的。最后，实验结果表明，用三类属性一起构建的贝叶斯网络在用户角色识别准确率上要明显高于单独使用用户评价相关的属性、用户价格相关的属性和用户社会网络相关的属性构建的贝叶斯网络。获取大量黑白名单是一件艰难而又复杂的工作，但获取少量黑白名单是能够容易实现的。本文提出将用户社会网络混合图和马尔可夫随机场技术相结合的欺诈检测方法，来达到在少量黑白名单情况下的用户角色预测目的。首先，利用用户交易图和用户社交图来构建用户社会网络混合图。其次，使用用户相似性度量来进一步扩大黑白名单。然后，运用马尔可夫随机场技术，对用户角色进行预测，并最终标记出欺诈者、同谋者、伪同谋者和诚实者用户。最后，利用小样本数据实验验证了该方法的正确性，还使用对比实验验证了该方法的高效性。