B2B电子商务是一个“机会与风险”并存的市场,它给企业带来重大商机的同时,也带来了更大的信用风险。根源就在于电子商务交易的信息不对称性。由于B2B交易数额较大,众多企业用户不愿意通过电子商务平台与陌生的交易者进行交易,网络交易中信任的缺失成为了制约B2B电子商务发展的主要原因。而网络欺诈正是引发这种信任缺失的重要因素。网络对所发布信息的制约性小,以及其虚拟性、隐蔽性等特点,使得一般消费者对信息判断不准,甚至在察觉到信息的错误以后,也很难向发布信息的企业进行追究。因此,一些企业便肆意在网上发表各种虚假信息,或者制造出各种各样的新闻,来吸引消费者,以扩大自己的商业影响,谋求经济效益。虚假信息的泛滥,在一定程度上影响了消费者对网上交易的信任。电子商务使社会信用问题更加突出,欺骗与欺诈行为时有发生,制约了电子商务的发展,成为急需解决的问题。因而,有效地识别网络欺诈就显得尤为重要。本文对电子商务欺诈的研究现状、特征等进行了分析。介绍了数据挖掘的方法、技术及其在欺诈监测领域的应用。重点分析了数据挖掘分类方法,并通过实例分析选择了分类性能较好的随机森林方法进行实证研究,结合中国制造网电子商务平台的用户数据,构建用户分类模型,以实现对中国制造网B2B电子商务平台欺诈用户的有效识别。本文的创新之处在于采用R统计分析软件结合随机森林方法构建用户分类模型,并验证模型的有效性,有效地识别欺诈用户,解决实际问题。