論文の概要: BreachRadar: Automatic Detection of Points-of-Compromise

• arxiv url: http://arxiv.org/abs/2009.11751v1
• Date: Thu, 24 Sep 2020 15:25:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 04:31:16.987216
• Title: BreachRadar: Automatic Detection of Points-of-Compromise
• Title（参考訳）: BreachRadar: 競合点の自動検出
• Authors: Miguel Araujo, Miguel Almeida, Jaime Ferreira, Luis Silva, Pedro Bizarro
• Abstract要約: 銀行取引詐欺は、世界中の銀行、商人、カード保有者にとって年間130億ドル以上の損失をもたらす。 この詐欺の多くは、クレジットカードやデビットカードのデジタル情報が盗まれたり、再売されたり、詐欺行為に使用される、妥協点(データ漏洩またはスキミング操作)から始まる。 本稿では,この問題を導入し,提案手法を提案する。BreachRadarは分散交互化アルゴリズムで,異なる可能性のある場所に侵入する確率を割り当てる。
• 参考スコア（独自算出の注目度）: 4.0336006284433665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bank transaction fraud results in over $13B annual losses for banks, merchants, and card holders worldwide. Much of this fraud starts with a Point-of-Compromise (a data breach or a skimming operation) where credit and debit card digital information is stolen, resold, and later used to perform fraud. We introduce this problem and present an automatic Points-of-Compromise (POC) detection procedure. BreachRadar is a distributed alternating algorithm that assigns a probability of being compromised to the different possible locations. We implement this method using Apache Spark and show its linear scalability in the number of machines and transactions. BreachRadar is applied to two datasets with billions of real transaction records and fraud labels where we provide multiple examples of real Points-of-Compromise we are able to detect. We further show the effectiveness of our method when injecting Points-of-Compromise in one of these datasets, simultaneously achieving over 90% precision and recall when only 10% of the cards have been victims of fraud.
• Abstract（参考訳）: 銀行取引詐欺は、世界中の銀行、商店、カード保有者に年間130億ドルの損失をもたらす。 この詐欺の多くは、クレジットカードやデビットカードのデジタル情報が盗まれたり、再売されたり、詐欺行為に使用される、妥協点(データ漏洩またはスキミング操作)から始まる。 本稿ではこの問題を紹介し,POC(Points-of-Compromise)自動検出手法を提案する。 BreachRadarは分散交互化アルゴリズムで、異なる可能性のある場所に侵入される確率を割り当てる。 この手法をApache Sparkを用いて実装し,マシン数とトランザクション数の線形スケーラビリティを示す。 BreachRadarは、数十億の実際のトランザクションレコードと不正ラベルを持つ2つのデータセットに適用されます。 さらに,これらのデータセットの1つに衝突点を注入し,90%以上の精度を達成し,不正の被害を受けたカードの10%がリコールされた場合に,本手法の有効性を示す。

関連論文リスト

• Across-Platform Detection of Malicious Cryptocurrency Transactions via Account Interaction Learning [19.2372535101502]
  既存の悪意のあるトランザクション検出方法は、大量のラベル付きデータに依存する。 そこで我々はシャドウイーズ(ShadowEyes)を提案する。 公開データセットを用いて大規模な実験を行い,ShadowEyesの性能評価を行った。
  論文  参考訳（メタデータ） (2024-10-31T02:01:42Z)
• 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)
• On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
  衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。 この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。 衝突環の検出が可能であるという研究はまだ確立されていない。
  論文  参考訳（メタデータ） (2024-02-12T18:12:09Z)
• 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)
• 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)
• 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)
• Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
  3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。 提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
  論文  参考訳（メタデータ） (2021-10-08T04:08:31Z)
• 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)
• 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)
• 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)
• 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)

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。