論文の概要: Fraud Detection using Data-Driven approach

• arxiv url: http://arxiv.org/abs/2009.06365v1
• Date: Tue, 8 Sep 2020 20:58:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 21:20:28.434602
• Title: Fraud Detection using Data-Driven approach
• Title（参考訳）: データ駆動アプローチによる不正検出
• Authors: Arianit Mehana and Krenare Pireva Nuci
• Abstract要約: 最初のオンラインバンキングは1980年に始まった。 インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。 本研究では,顧客行動に適応した効率的な不正検出モデルの構築を目的とする。
• 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: The extensive use of the internet is continuously drifting businesses to incorporate their services in the online environment. One of the first spectrums to embrace this evolution was the banking sector. In fact, the first known online banking service came in 1980. It was deployed from a community bank located in Knoxville, called the United American Bank. Since then, internet banking has been offering ease and efficiency to costumers in completing their daily banking tasks. The ever increasing use of internet banking and a large number of online transactions increased fraudulent behavior also. As if fraud increase was not enough, the massive number of online transactions further increased the data complexity. Modern data sources are not only complex but generated at high speed and in real-time as well. This presents a serious problem and a definite reason why more advanced solutions are desired to protect financial service companies and credit cardholders. Therefore, this research paper aims to construct an efficient fraud detection model which is adaptive to customer behavior changes and tends to decrease fraud manipulation, by detecting and filtering fraud in real-time. In order to achieve this aim, a review of various methods is conducted, adding above a personal experience working in the Banking sector, specifically in the Fraud Detection office. Unlike the majority of reviewed methods, the proposed model in this research paper is able to detect fraud in the moment of occurrence using an incremental classifier. The evaluation of synthetic data, based on fraud scenarios selected in collaboration with domain experts that replicate typical, real-world attacks, shows that this approach correctly ranks complex frauds. In particular, our proposal detects fraudulent behavior and anomalies with up to 97\% detection rate while maintaining a satisfyingly low cost.
• Abstract（参考訳）: インターネットの広範な利用は、オンライン環境にサービスを組み込むために、ビジネスを継続的に漂流させている。 この進化を受け入れた最初のスペクトルの1つは銀行部門であった。 実際、最初のオンラインバンキングサービスは1980年に始まった。 この銀行はアメリカ合衆国銀行と呼ばれるノックスビルにあるコミュニティ銀行から派遣された。 それ以来、インターネットバンキングは、日々の銀行業務を完了させるために、コスチューナーに容易かつ効率性を提供してきた。 インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。 詐欺の増加が不十分なように、大量のオンライン取引がデータ複雑さをさらに増大させた。 現代のデータソースは複雑であるだけでなく、高速かつリアルタイムに生成される。 これは深刻な問題であり、金融サービス会社やクレジットカード保有者を保護するために、より高度なソリューションが望まれる理由である。 そこで本研究では,顧客行動の変化に適応し,不正行為をリアルタイムに検出・フィルタリングすることにより,不正行為を減らしがちな効率的な不正検出モデルを構築することを目的とする。 この目的を達成するために,銀行部門,特にフルート検出事務所で働く個人的経験を付加して,様々な手法の見直しを行う。 本研究で提案するモデルは,多くのレビュー手法とは異なり,インクリメンタル分類器を用いて発生時に不正を検出できる。 一般的な実世界の攻撃を再現するドメインの専門家と共同で選択された詐欺シナリオに基づく合成データの評価は、このアプローチが複雑な詐欺を正しくランク付けしていることを示している。 特に, 本提案は, 極めて低いコストを維持しつつ, 最大97\%の確率で不正行為や異常を検知する。

関連論文リスト

• Credit Card Fraud Detection: A Deep Learning Approach [4.0361765428523135]
  不正なクレジットカード取引により、多くの機関や個人によって実質的な金額が失われている。 本稿では,偽陽性率が非常に低い不正カバレッジを得るために,Deep Learningアルゴリズムを理解し,実装することを目的とする。
  論文  参考訳（メタデータ） (2024-09-20T11:13:16Z)
• Credit Card Fraud Detection in the Nigerian Financial Sector: A Comparison of Unsupervised TensorFlow-Based Anomaly Detection Techniques, Autoencoders and PCA Algorithm [0.0]
  クレジットカード詐欺はナイジェリアの金融セクターにおける国家的懸念の主な原因である。 本稿では,人間の介入から完全に独立して働くことを想定した2つの不正検出技術の有効性を比較することを目的とする。
  論文  参考訳（メタデータ） (2024-03-08T21:22:05Z)
• 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)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• 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)
• On some studies of Fraud Detection Pipeline and related issues from the scope of Ensemble Learning and Graph-based Learning [0.5820960526832067]
  英国の反詐欺チャリティーであるFraud Advisory Panelは、詐欺のビジネスコストを1440億ドルと見積もっている。 効率的な不正検出システムの構築は、不均衡なデータや計算コストなど、多くの困難な問題のために困難である。
  論文  参考訳（メタデータ） (2022-05-10T02:13:58Z)
• 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)
• Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection [106.33204064461802]
  クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-11-05T19:10:35Z)
• 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)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。