論文の概要: A Time Attention based Fraud Transaction Detection Framework

• arxiv url: http://arxiv.org/abs/1912.11760v2
• Date: Fri, 27 Mar 2020 11:13:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-10 08:29:33.012050
• Title: A Time Attention based Fraud Transaction Detection Framework
• Title（参考訳）: 時間的注意に基づく不正取引検出フレームワーク
• Authors: Longfei Li, Ziqi Liu, Chaochao Chen, Ya-Lin Zhang, Jun Zhou, Xiaolong Li
• Abstract要約: 本稿では,ユーザの静的プロファイルとユーザの動的動作の両方のパターンを活用することによって,不正取引を検出する新しい手法を提案する。 本稿では,時間間隔の詳細な情報を埋め込むために,時空の注意に基づく繰り返しレイヤを提案する。 さらに、学習した埋め込みとユーザの静的プロファイルを統一されたフレームワークに統合します。
• 参考スコア（独自算出の注目度）: 24.63982574589601
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With online payment platforms being ubiquitous and important, fraud transaction detection has become the key for such platforms, to ensure user account safety and platform security. In this work, we present a novel method for detecting fraud transactions by leveraging patterns from both users' static profiles and users' dynamic behaviors in a unified framework. To address and explore the information of users' behaviors in continuous time spaces, we propose to use \emph{time attention based recurrent layers} to embed the detailed information of the time interval, such as the durations of specific actions, time differences between different actions and sequential behavior patterns,etc., in the same latent space. We further combine the learned embeddings and users' static profiles altogether in a unified framework. Extensive experiments validate the effectiveness of our proposed methods over state-of-the-art methods on various evaluation metrics, especially on \emph{recall at top percent} which is an important metric for measuring the balance between service experiences and risk of potential losses.
• Abstract（参考訳）: オンライン決済プラットフォームは、ユビキタスで重要であり、ユーザーアカウントの安全性とプラットフォームのセキュリティを確保するために、不正取引の検出がこれらのプラットフォームの鍵となっている。 本稿では,ユーザの静的プロファイルとユーザの動的行動の両方のパターンを統一フレームワークで活用し,不正取引を検出する新しい手法を提案する。 連続時間空間におけるユーザの行動に関する情報に対処し,探索するために,特定の行動の継続時間,異なる行動の時間差,連続的な行動パターンなど,時間間隔の詳細な情報を組み込むために 'emph{time attention based recurrent layer} を提案する。 同じ潜在空間で。 さらに,学習した組込みとユーザの静的プロファイルを統一したフレームワークで統合する。 特に,サービス経験と潜在的な損失のリスクのバランスを測定する上で重要な指標である \emph{recall at top percent} において,提案手法の有効性を検証する実験を行った。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Mimicking User Data: On Mitigating Fine-Tuning Risks in Closed Large Language Models [53.50543146583101]
  小さなデータセット上の微調整された大きな言語モデルは、特定の下流タスクのパフォーマンスを向上させることができる。 悪意のあるアクターは、ほぼすべてのタスク固有のデータセットの構造を微妙に操作することで、より危険なモデル行動を促進することができる。 本稿では,タスク形式を模倣した安全データとユーザデータのスタイルを混合した新しい緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-12T18:33:11Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Process Variant Analysis Across Continuous Features: A Novel Framework [0.0]
  本研究は, 業務プロセスにおけるケースの効果的セグメンテーションの課題に対処する。 本研究では,スライディングウインドウ手法と地球移動器の距離を併用して制御流の挙動変化を検出する手法を提案する。 オランダの保険会社UWVと共同で実生活事例研究を行い,その方法論を検証した。
  論文  参考訳（メタデータ） (2024-05-06T16:10:13Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Virtual Control Group: Measuring Hidden Performance Metrics [0.0]
  本稿では,調査理論と因果推論に基づく統計的手法を用いて,システムの偽陽性率や単一ブロッキングポリシーを推定する。 本稿では,サイバーセキュリティなどの他の統合ドメインに適用可能なアプローチについて述べる。
  論文  参考訳（メタデータ） (2022-08-27T06:58:14Z)
• Evaluating Membership Inference Through Adversarial Robustness [6.983991370116041]
  本稿では,敵の強靭性に基づくメンバシップ推論攻撃の強化手法を提案する。 提案手法をFashion-MNIST, CIFAR-10, CIFAR-100の3つのデータセットで評価した。
  論文  参考訳（メタデータ） (2022-05-14T06:48:47Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• Data-driven behavioural biometrics for continuous and adaptive user verification using Smartphone and Smartwatch [0.0]
  行動バイオメトリックスと多要素認証(MFA)をブレンドするアルゴリズムを提案する。 本研究では,モーションベースバイオメトリックスを用いてユーザの身元を検証するための2段階のユーザ検証アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-07T02:46:21Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)
• An Intelligent and Time-Efficient DDoS Identification Framework for Real-Time Enterprise Networks SAD-F: Spark Based Anomaly Detection Framework [0.5811502603310248]
  我々は、異なる機械学習技術を用いたDDoS異常検出のためのセキュリティ解析技術について検討する。 本稿では,システムへの入力として実際のトラフィックを扱う新しいアプローチを提案する。 提案するフレームワークの性能要因を3つの異なるテストベッドで検討・比較する。
  論文  参考訳（メタデータ） (2020-01-21T06:05:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。