論文の概要: Approaches to Fraud Detection on Credit Card Transactions Using
Artificial Intelligence Methods
- arxiv url: http://arxiv.org/abs/2007.14622v1
- Date: Wed, 29 Jul 2020 06:18:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 19:44:47.528329
- Title: Approaches to Fraud Detection on Credit Card Transactions Using
Artificial Intelligence Methods
- Title（参考訳）: 人工知能を用いたクレジットカード取引における不正検出手法
- Authors: Yusuf Yazici
- Abstract要約: 本稿では,人工知能と機械学習技術を用いた不正検出の最先端のアプローチを要約する。
要約しながら、不均衡なデータセット、リアルタイム作業シナリオ、機能エンジニアリングの課題など、一般的な問題を分類します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Credit card fraud is an ongoing problem for almost all industries in the
world, and it raises millions of dollars to the global economy each year.
Therefore, there is a number of research either completed or proceeding in
order to detect these kinds of frauds in the industry. These researches
generally use rule-based or novel artificial intelligence approaches to find
eligible solutions. The ultimate goal of this paper is to summarize
state-of-the-art approaches to fraud detection using artificial intelligence
and machine learning techniques. While summarizing, we will categorize the
common problems such as imbalanced dataset, real time working scenarios, and
feature engineering challenges that almost all research works encounter, and
identify general approaches to solve them. The imbalanced dataset problem
occurs because the number of legitimate transactions is much higher than the
fraudulent ones whereas applying the right feature engineering is substantial
as the features obtained from the industries are limited, and applying feature
engineering methods and reforming the dataset is crucial. Also, adapting the
detection system to real time scenarios is a challenge since the number of
credit card transactions in a limited time period is very high. In addition, we
will discuss how evaluation metrics and machine learning methods differentiate
among each research.
- Abstract（参考訳）: クレジットカード詐欺は世界のほぼすべての産業で進行中の問題であり、毎年何百万ドルもの資金を世界経済に投入している。
そのため、業界ではこうした不正行為を検出するために、完成または進行中の研究が数多く行われている。
これらの研究は一般的にルールベースまたは新しい人工知能アプローチを使用して、適切なソリューションを見つける。
本論文の最終的な目標は,人工知能と機械学習技術を用いた不正検出に対する最先端のアプローチを要約することである。
要約しながら、不均衡データセット、リアルタイム作業シナリオ、ほぼすべての研究が直面する機能工学的課題などの一般的な問題を分類し、それらを解決する一般的なアプローチを特定します。
不均衡なデータセット問題は、不正取引の回数が不正取引よりもはるかに多いのに対して、適切な特徴工学を適用することは、業界から得られる特徴が限られており、特徴工学の手法を適用してデータセットを改革することが重要であるためである。
また、限られた期間におけるクレジットカード取引の回数が非常に多いため、リアルタイムシナリオへの検知システムの適用も課題である。
さらに,各研究において評価指標と機械学習手法の差異について検討する。
関連論文リスト
- Towards Sample-Efficiency and Generalization of Transfer and Inverse Reinforcement Learning: A Comprehensive Literature Review [50.67937325077047]
本稿では,転送および逆強化学習(T-IRL)によるRLアルゴリズムのサンプル効率と一般化を実現するための総合的なレビューを行う。
以上の結果から,最近の研究成果の大部分は,人間のループとシム・トゥ・リアル戦略を活用することで,上記の課題に対処していることが示唆された。
IRL構造の下では、経験の少ない移行と、そのようなフレームワークのマルチエージェントおよびマルチインテンション問題への拡張を必要とするトレーニングスキームが近年研究者の優先事項となっている。
論文 参考訳（メタデータ） (2024-11-15T15:18:57Z) - Credit Card Fraud Detection with Subspace Learning-based One-Class
Classification [18.094622095967328]
1クラス分類(OCC)アルゴリズムは、不均衡なデータ分散を扱うのに優れている。
これらのアルゴリズムは、部分空間学習をデータ記述に統合する。
これらのアルゴリズムは、OCCに最適化された低次元の部分空間にデータを変換する。
論文 参考訳（メタデータ） (2023-09-26T12:26:28Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。
弱教師付き異常検出法(WSAD)の総合的な調査を行った。
各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
論文 参考訳（メタデータ） (2023-02-09T10:27:21Z) - Challenges and Complexities in Machine Learning based Credit Card Fraud
Detection [0.0]
取引量、詐欺の独自性、詐欺師の巧妙さは詐欺を検知する上で大きな課題である。
機械学習、人工知能、ビッグデータの出現は、詐欺と戦うための新しいツールを公開した。
しかし,不正検出アルゴリズムの開発は,不正データの極めて不均衡な性質のため,困難で遅かった。
論文 参考訳（メタデータ） (2022-08-20T07:53:51Z) - Credit Card Fraud Detection using Machine Learning: A Study [2.5829043503611318]
世界は急速にデジタル化に向かっており、貨幣取引はキャッシュレスになりつつある。
非詐欺行為から不正取引を分析し、検出する必要がある。
本稿では,クレジットカード不正を検出するための各種手法について概説する。
論文 参考訳（メタデータ） (2021-08-23T08:30:24Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳（メタデータ） (2021-04-09T01:46:34Z) - Deep Learning Methods for Credit Card Fraud Detection [3.069837038535869]
本稿では,クレジットカード詐欺検出問題の深層学習手法について検討する。
パフォーマンスを3つの金融データセット上のさまざまな機械学習アルゴリズムと比較する。
実験の結果,従来の機械学習モデルに対する深層学習手法の性能が向上した。
論文 参考訳（メタデータ） (2020-12-07T14:48:58Z) - Credit card fraud detection using machine learning: A survey [0.5134435281973136]
本稿では,データ駆動型クレジットカード不正検出機能と,その複雑な課題に対処するための機械学習手法について検討する。
特に、まず一般的なクレジットカード検出タスクを特徴付けます。データセットとその属性、メトリックの選択と、そのような不均衡なデータセットを扱ういくつかの方法です。
論文 参考訳（メタデータ） (2020-10-13T15:35:32Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z)
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。