Fugu-MT 論文翻訳(概要): Anomaly and Fraud Detection in Credit Card Transactions Using the ARIMA Model

論文の概要: Anomaly and Fraud Detection in Credit Card Transactions Using the ARIMA Model

arxiv url: http://arxiv.org/abs/2009.07578v1
Date: Wed, 16 Sep 2020 09:48:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 23:37:46.519488
Title: Anomaly and Fraud Detection in Credit Card Transactions Using the ARIMA Model
Title（参考訳）: ARIMAモデルを用いたクレジットカード取引における異常・不正検出
Authors: Giulia Moschini, R\'egis Houssou, J\'er\^ome Bovay, Stephan Robert-Nicoud
Abstract要約: 本稿では、ARIMAモデルを用いたアンバランスデータセットにおけるクレジットカード不正検出の教師なしアプローチの問題に対処する。本モデルはクレジットカードデータに適用され,K-Means,Box-Plot,Local Outlier Factor,Isolation Forestの4つの異常検出手法と比較された。
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: This paper addresses the problem of unsupervised approach of credit card fraud detection in unbalanced dataset using the ARIMA model. The ARIMA model is fitted on the regular spending behaviour of the customer and is used to detect fraud if some deviations or discrepancies appear. Our model is applied to credit card datasets and is compared to 4 anomaly detection approaches such as K-Means, Box-Plot, Local Outlier Factor and Isolation Forest. The results show that the ARIMA model presents a better detecting power than the benchmark models.
Abstract（参考訳）: 本稿では、ARIMAモデルを用いたアンバランスデータセットにおけるクレジットカード不正検出の教師なしアプローチの問題に対処する。 ARIMAモデルは、顧客の通常の支出行動に適合し、偏差や不一致が生じた場合に不正を検出するために使用される。本モデルはクレジットカードデータに適用され,K-Means, Box-Plot, Local Outlier Factor, isolated Forestなどの4つの異常検出手法と比較された。その結果,ARIMAモデルの方がベンチマークモデルよりも優れた検出能力を示すことがわかった。

関連論文リスト

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)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
Explainable Fraud Detection with Deep Symbolic Classification [4.1205832766381985]
分類問題に対するDeep Symbolic Regressionフレームワークの拡張であるDeep Classificationを提案する。関数は閉形式で簡潔な数学的表現であるため、モデルは1つの分類決定のレベルとモデルの決定過程の両方において本質的に説明可能である。 PaySimデータセットの評価は、最先端のモデルと競合する予測性能を示しながら、説明可能性の観点からそれらを上回っている。
論文参考訳（メタデータ） (2023-12-01T13:50:55Z)
Credit Card Fraud Detection Using Enhanced Random Forest Classifier for Imbalanced Data [0.8223798883838329]
本稿では,この問題を解決するためにランダムフォレスト(RF)アルゴリズムを実装した。本研究ではクレジットカード取引のデータセットを用いた。
論文参考訳（メタデータ） (2023-03-11T22:59:37Z)
Watermarking for Out-of-distribution Detection [76.20630986010114]
Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。本稿では,透かしという一般的な手法を提案する。我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
論文参考訳（メタデータ） (2022-10-27T06:12:32Z)
An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文参考訳（メタデータ） (2022-09-20T15:18:13Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Locally Interpretable One-Class Anomaly Detection for Credit Card Fraud Detection [4.507860128918788]
本稿では,クレジットカード不正検出のための新しい異常検出フレームワークを提案する。不正検出モデルは2つのディープニューラルネットワークで構成されており、教師なしかつ敵対的な方法で訓練されている。説明モジュールには、AutoEncoder、識別器、および検出モデル全体の解釈を担当する3つのホワイトボックス説明器がある。
論文参考訳（メタデータ） (2021-08-05T10:19:12Z)
Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
論文参考訳（メタデータ） (2021-08-01T14:33:17Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。