論文の概要: Interleaved Sequence RNNs for Fraud Detection

• arxiv url: http://arxiv.org/abs/2002.05988v2
• Date: Wed, 17 Jun 2020 16:59:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 04:33:14.412317
• Title: Interleaved Sequence RNNs for Fraud Detection
• Title（参考訳）: フラッド検出のためのインターリーブシーケンスRNN
• Authors: Bernardo Branco, Pedro Abreu, Ana Sofia Gomes, Mariana S. C. Almeida, Jo\~ao Tiago Ascens\~ao, Pedro Bizarro
• Abstract要約: 我々は,プリプロセスからデプロイまでの効率的なMLパイプラインを提案し,リアルタイムに不正を検出するための完全なRNNフレームワークを提案する。 これらの特徴のないマルチシーケンスのRNNは、数百万ドルもの不正検出と少ない計算資源を節約した最先端のモデルより優れていることを示す。
• 参考スコア（独自算出の注目度）: 4.406007955584059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Payment card fraud causes multibillion dollar losses for banks and merchants worldwide, often fueling complex criminal activities. To address this, many real-time fraud detection systems use tree-based models, demanding complex feature engineering systems to efficiently enrich transactions with historical data while complying with millisecond-level latencies. In this work, we do not require those expensive features by using recurrent neural networks and treating payments as an interleaved sequence, where the history of each card is an unbounded, irregular sub-sequence. We present a complete RNN framework to detect fraud in real-time, proposing an efficient ML pipeline from preprocessing to deployment. We show that these feature-free, multi-sequence RNNs outperform state-of-the-art models saving millions of dollars in fraud detection and using fewer computational resources.
• Abstract（参考訳）: 支払いカード詐欺は世界中の銀行や商人に数十億ドルの損失をもたらし、しばしば複雑な犯罪行為を引き起こす。 これに対処するために、多くのリアルタイム不正検出システムは木ベースのモデルを使用しており、ミリ秒レベルのレイテンシに準拠しながら、履歴データによるトランザクションを効率的に強化するために複雑な機能エンジニアリングシステムを要求する。 この研究では、リカレントニューラルネットワークを使用し、各カードの履歴が非有界で不規則なサブシーケンスであるインターリーブドシーケンスとして支払いを扱うことで、これらの高価な機能を必要としない。 我々は,プリプロセスからデプロイまでの効率的なMLパイプラインを提案し,リアルタイムに不正を検出するための完全なRNNフレームワークを提案する。 これらの特徴のないマルチシーケンスRNNは、数百万ドルの不正検出と少ない計算資源の使用を省く最先端のモデルより優れていることを示す。

関連論文リスト

• GhostRNN: Reducing State Redundancy in RNN with Cheap Operations [66.14054138609355]
  本稿では,効率的なRNNアーキテクチャであるGhostRNNを提案する。 KWSとSEタスクの実験により、提案されたGhostRNNはメモリ使用量(40%)と計算コストを大幅に削減し、性能は類似している。
  論文  参考訳（メタデータ） (2024-11-20T11:37:14Z)
• Securing Transactions: A Hybrid Dependable Ensemble Machine Learning Model using IHT-LR and Grid Search [2.4374097382908477]
  本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。 実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。 提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-22T09:01:42Z)
• Utilizing GANs for Fraud Detection: Model Training with Synthetic Transaction Data [0.0]
  本稿では,GAN(Generative Adversarial Networks)の不正検出への応用について検討する。 GANは複雑なデータ分散のモデリングにおいて有望であり、異常検出のための効果的なツールである。 この研究は、ディープラーニング技術によるトランザクションセキュリティの強化におけるGANの可能性を実証している。
  論文  参考訳（メタデータ） (2024-02-15T09:48:20Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Application of Deep Reinforcement Learning to Payment Fraud [0.0]
  典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。 このような定式化は準最適解につながると我々は主張する。 我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
  論文  参考訳（メタデータ） (2021-12-08T11:30:53Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)
• Explainable Deep Behavioral Sequence Clustering for Transaction Fraud Detection [3.9505606841402607]
  クラスタリングのためのディープラーニングに基づく行動データ表現法(FinDeepBehaviorCluster)を提案し,不正取引を検出する。 動作シーケンスデータを利用するために,クリックストリームデータをイベントシーケンスとして扱い,時間アテンションに基づくBi-LSTMを用いて,教師なしの方法でシーケンス埋め込みを学習し,リスクエキスパートが生成した直感的な特徴と組み合わせてハイブリッドな特徴表現を形成する。 実験の結果,提案するFinDeepBehaviorClusterフレームワークは,ビジネス価値の高い不正取引を捕捉できることがわかった。
  論文  参考訳（メタデータ） (2021-01-12T04:12:18Z)
• Enhancing Graph Neural Network-based Fraud Detectors against Camouflaged Fraudsters [78.53851936180348]
  近年の実証研究,すなわち特徴カモフラージュと関係カモフラージュの2種類のカモフラージュを紹介した。 既存のGNNはこれらの2つのカモフラージュに対処していない。 カモフラージュ抵抗型GNN(CARE-GNN)と呼ばれる新しいモデルを提案し、カモフラージュに対する3つのユニークなモジュールを用いたGNN集約プロセスを強化する。
  論文  参考訳（メタデータ） (2020-08-19T22:33:12Z)
• GraN: An Efficient Gradient-Norm Based Detector for Adversarial and Misclassified Examples [77.99182201815763]
  ディープニューラルネットワーク(DNN)は、敵対的な例やその他のデータ摂動に対して脆弱である。 GraNは、どのDNNにも容易に適応できる時間およびパラメータ効率の手法である。 GraNは多くの問題セットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-04-20T10:09:27Z)

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。