研究动机

随着越来越多的商业活动发生在在线环境中，侦测在线欺诈行为变得十分重要。虽然以往的研究呈现了许多复杂和先进的技术来从用户提交的信息中侦测欺诈行为，这样的手段往往只能运用在欺诈行为已经发生后，却不能在欺诈发生的过程中实时侦测和判断。 

你或许会疑惑，在欺诈发生的过程中，用户可能只是有一个意图欺诈的想法，这怎么能侦测到呢？本文就巧妙运用了用户在填写在线表格时的鼠标光标移动的轨迹数据来侦测欺诈行为。在本文中，作者（1）研究了鼠标移动如何显示涉及欺诈的决策过程，（2）创建了一种在自然交互中有效的鼠标移动偏差测量方法，以及（3）探讨了欺诈、欺诈程度和非制裁背景下鼠标移动之间的关系。

研究假设

作者运用认知失调/冲突理论、反应激活模型（RAM）和认知负荷理论（CLT）来理解欺诈决策的实时认知动态。为了提出解释欺诈决策过程如何与鼠标移动变化相关联的假设，作者以欺骗的两个公理为基础，即：决定欺诈会增加（1）认知失调/冲突和（2）认知负荷。

根据人际欺骗理论，人们在实施欺骗时很可能会经历认知冲突和道德冲突。 人们必须通过编造可信的欺诈性回答来实施欺骗，这往往会导致额外的认知冲突，因为他们会重新评估自己的回答，以确保故事可信。此外，人们经常会经历道德冲突和认知失调。他们会犹豫不决，重新考虑自己的回答，因为他们会评估被抓的后果。同样，由于欺诈行为可能与其诚实的自我形象相冲突，他们很可能会经历更多的认知失调。

根据反应激活模型（RAM），相互竞争的认知和对反应细节的重新评估会影响精细运动控制。RAM 认为，手部运动会对所有有可能导致运动的想法做出反应，哪怕是很小的可能性。当一个具有行动潜力的想法进入大脑时，大脑会自动地、下意识地编排一个动作反应来实现这一意图。如果一个人的认知是一致的，那么他的鼠标轨迹就会大致沿着一条直线走向运动目标（即在线表格上的预定输入区域）。相反，欺诈意图的存在则会导致鼠标轨迹偏离直线，因为大脑会对不同的有行动潜力的想法编排相应的动作反应。这种偏差表现为不同的鼠标移动特征。作者提出：

假设1a：在在线表格上提供欺诈性回复时，人们的鼠标移动会偏离最短路径。在某些情况下，欺诈决策是二元的（我是否应该偷这块糖？）；而在其他情况下，欺诈决策则更为复杂，并且涉及欺诈程度（我是否应该虚报保险索赔？ 金额是多少？） 欺诈的程度会影响深思熟虑的程度和持续时间（Thomas 和 Biros，2011 年）。更大程度的欺诈可能会产生更严重的后果、更多的道德思考，还需要更多精心设计的借口和背景故事，以降低被抓的风险（Olson & Raz, 2021）。当欺诈决策不是二元的时候，每个不同程度的欺诈都会构成一个具有行动潜力的想法，而这样的想法增多会导致更多的偏离直线的动作反应。由此，作者假设：

假设1b：在线表格的欺诈程度与偏离最短路径的程度呈正相关。

欺骗行为除了会增加认知冲突，还会增加认知负荷。人们在进行欺骗时会构思虚假信息，采取策略性行为使自己的谎言可信，这就增加了认知负荷，减少了可用的工作记忆；而工作记忆的减少会减慢反应时间和手部动作。例如，当用视觉引导手向目标移动时，大脑就没有那么多时间对自己的移动轨迹进行编程修正，从而降低了移动的精确度。大脑会自动通过降低运动速度来补偿精度的降低。由此，作者提出如下假设：

假设2a：在在线表格上提供欺诈性回复时，人们的鼠标移动速度较慢。如前所述，欺诈程度越高，人们的认知考虑就越多，因为他们会考虑到更严重的后果、更多的欺诈选择以及更复杂的理由和降低风险的需要。认知负荷的增加会减少可用的工作记忆，缩短反应时间，并最终导致手部动作变慢。因此，作者假设：

H2b：在线表格的欺诈程度与鼠标移动速度呈负相关。

实验设计和发现

作者进行了两个线上实验来验证上述理论假设。在实验一中，参与者被要求如实辨认被对角线分割的正方形的哪一边包含更多的点。每位参与者进行10次辨认，在这10次的圆点图像中，其中5次有更多的圆点在右边，另外5次有更多的圆点在左边。参与者必须通过将鼠标光标移至 “左侧 ”或 “右侧 ”选择按钮来回答 “哪一边的点更多 ”这一问题。作者根据参与者的回答支付不等的奖金，以此激励他们进行欺诈。点击 “右边 ”按钮总是能获得更高的奖金，即使左边明显有更多的点，这鼓励了参与者点击 “右边”，即使正确答案是 “左边”。参与者点击 “左侧更多 ”可获得 0.5 便士（约合 0.65 美元），点击 “右侧更多 ”可获得 5 便士（约合 6.5 美元）。因此，如果参与者在所有试验中都谎报右边出现了更多的点，就可以获得最高的报酬。通过编写程序来追踪参与者的鼠标移动，作者获得了鼠标移动偏移程度和鼠标移动速度的数据。本次实验共收集到有效样本1150个，即115个参与者每人进行10次测试。作者通过线性多层次回归模型来估计欺诈对两个结果变量：鼠标移动偏差（H1a）和鼠标移动速度（H2a）的影响。多层次模型通过允许个体截距的变化来考虑聚类数据结构，例如属于同一参与者的观察结果。实验结果显示欺诈使移动偏差增加 16%，速度降低 9% 。在实验二中，作者设计了一个更贴近现实生活的欺诈场景——车险理赔。简单来说，谎报汽车损坏部位的数量可以使参与者获得更多的实验报酬。通过这一实验，不仅可以测试假设1a和2a，还可以测试关于欺诈程度的两条假设（1b和2b），因为谎报的损坏部位越多，欺诈程度越大。实验二中共有110名有效参与者，其中每人填写5个不同场景的车险理赔表格，因此总样本量为550，作者同样采用线性多层次回归模型来测试欺诈对鼠标移动的影响。实验结果表明：欺诈使鼠标移动偏差增加了 49%，速度降低了 29%；另外，欺诈程度越高，鼠标移动偏差越大 (β = 0.31***; 95%-CI: [0.21, 0.41])，速度越低 (β = 0.27***; 95%-CI: [-0.34, -0.19])。

结论

这项研究展示了如何通过捕捉和分析跟踪数据来帮助获得有关在线欺诈决策的侦测。在认知科学和神经科学的基础上，作者假设欺诈决策过程会产生生理和心理副作用，导致手部动作发生可预测的变化。这些可预测的变化可以通过监测一个人使用电脑鼠标时的细粒度跟踪数据来捕捉。两个实验支持了作者的假设，并表明在实施欺诈时，鼠标移动轨迹会表现出有意义的差异，并受到欺诈程度的影响。本研究结果检测在线环境中发生的潜在欺诈行为具有重要意义。

参考文献：Weinmann, M., Valacich, J. S., Schneider, C., Jenkins, J. L., & Hibbeln, M. (2022). The Path of the Righteous: Using Trace Data to Understand Fraud Decisions in Real Time. MIS Quarterly, 46(4).Link: https://misq.umn.edu/the-path-of-the-righteous-using-trace-data-to-understand-fraud-decisions-in-real-time.htmlDOI: 10.25300/MISQ/2022/17038

作者信息：

Markus Weinmann

Position: Professor of Business Analytics, the University of Cologne

Area: Digital Economy, Platform Economy, Digital Business, Business Analytics, Information Systems

Website: https://wiso.uni-koeln.de/en/research/find-an-expert/experts/prof-dr-markus-weinmann

Email: weinmann@wiso.uni-koeln.de

Joseph S. Valacich

Title: Muzzy Endowed Chair, Eller College of Management, The University of Arizona

Area: Cybersecurity, Deception and fraud detection, Human-computer interaction, Technology-mediated group decision making

Website: https://eller.arizona.edu/people/joseph-valacich

Email: valacich@arizona.edu

Christoph Schneider

Title: Assistant Professor of Operations, Information and Technology, IESE Business School, University of Navarra

Area: Human-computer interaction, Electronic commerce, Computer-mediated collaboration

Website: https://www.iese.edu/faculty-research/faculty/christoph-schneider/Email: cschneider@iese.edu

Email: cschneider@iese.edu

Jeffrey L. Jenkins

Title: Associate Professor of Information Systems at the Marriott School of Business, Brigham Young University

Area: human-computer input devices, fraud detection, risk assessments, behavioral information security, system usability, and online learning.

Website: https://marriott.byu.edu/directory/details?id=26429Email: jeffrey_jenkins@byu.edu

Martin Hibbeln

Title: Chair of Finance, Mercator School of Management, University of Duisburg-Essen

Area: Financial Data Analytics / Empirical Banking and Asset Pricing, Risk Management in Financial Institutions, Regulating Financial Markets, Digital Finance / Financial Technology

Website: https://www.finance.msm.uni-due.de/en/team/martin-thomas-hibbeln/

Email: martin.hibbeln@uni-due.de