Nous construisons des modèles en ligne pour le système de modération et de détection de la fraude aux enchères conçu pour un grand site asiatique de vente aux enchères en ligne. Grâce à des expériences empiriques sur des données réelles de détection de fraude aux enchères en ligne, nous montrons que le cadre de modèle probit en ligne que nous proposons, qui combine la sélection de caractéristiques en ligne, les coefficients de délimitation issus des connaissances d'experts et l'apprentissage à instances multiples, peut améliorer de manière significative les lignes de base et le modèle ajusté par l'être humain.améliorer de manière significative par rapport aux lignes de base et au modèle humain. Il est à noter que ce cadre de modélisation en ligne peut être facilement étendu à de nombreuses autres applications, telles que la détection des spams sur le web, l'optimisation du contenu, etc. En ce qui concerne les travaux futurs, une direction est d'inclure l'ajustement du biais de sélection dans le processus d'apprentissage du modèle en ligne. Cette méthode s'est avérée très efficace pour les modèles hors ligne.