本发明提供了一种欺诈用户检测方法、装置、介质及电子设备，该方法包括：获取数据集，提取数据特征，数据集中包括用户的多维特征信息以及样本标签；基于数据集进行数据分类；根据数据集，利用代价敏感随机森林算法结合孤立森林模型进行标签样本扩充、模型训练，构建欺诈用户检测模型，利用训练所得的欺诈用户检测模型对用户进行检测，并输出检测结果。本发明代价敏感随机森林算法结合孤立森林模型对无标签样本进行预测并赋予其伪标签，将其加入有标签样本集，并利用结合孤立森林的代价敏感随机森林自训练半监督欺诈用户检测模型对用户进行检测，从而从根源上解决了现有的欺诈检测领域样本极度不均衡、数据标注难度高导致欺诈检测准确率低的问题。