Fugu-MT 論文翻訳(概要): Machine Learning for Fraud Detection in E-Commerce: A Research Agenda

論文の概要: Machine Learning for Fraud Detection in E-Commerce: A Research Agenda

arxiv url: http://arxiv.org/abs/2107.01979v1
Date: Mon, 5 Jul 2021 12:37:29 GMT
ステータス: 処理完了
システム内更新日: 2021-07-06 14:38:34.216290
Title: Machine Learning for Fraud Detection in E-Commerce: A Research Agenda
Title（参考訳）: 電子商取引における不正検出のための機械学習:研究アジェンダ
Authors: Niek Tax, Kees Jan de Vries, Mathijs de Jong, Nikoleta Dosoula, Bram van den Akker, Jon Smith, Olivier Thuong, Lucas Bernardi
Abstract要約: 我々は,eコマース組織における不正防止部門の運用モデルを定式化し,不正検出の話題を組織中心の視点で捉えた。本研究は,本運用モデルから,不正検出のための6つの研究課題と12の実践的課題を導出する。
参考スコア（独自算出の注目度）: 1.1726720776908521
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fraud detection and prevention play an important part in ensuring the sustained operation of any e-commerce business. Machine learning (ML) often plays an important role in these anti-fraud operations, but the organizational context in which these ML models operate cannot be ignored. In this paper, we take an organization-centric view on the topic of fraud detection by formulating an operational model of the anti-fraud departments in e-commerce organizations. We derive 6 research topics and 12 practical challenges for fraud detection from this operational model. We summarize the state of the literature for each research topic, discuss potential solutions to the practical challenges, and identify 22 open research challenges.
Abstract（参考訳）: 不正検出・防止は、電子商取引事業の持続的な運営を保証する上で重要な役割を果たす。機械学習(ML)は、これらのアンチファンド操作において重要な役割を果たすことが多いが、これらのMLモデルを運用する組織的コンテキストは無視できない。本稿では,電子商取引組織における不正防止部門の運用モデルを定式化し,不正検出の話題を組織中心の視点で考察する。この運用モデルから,6つの研究トピックと12の不正検出に関する実践的課題を導出する。我々は,各研究トピックに関する文献の現状を要約し,実践的課題に対する潜在的な解決策を議論し,22のオープン研究課題を明らかにした。

関連論文リスト

Proactive Fraud Defense: Machine Learning's Evolving Role in Protecting Against Online Fraud [0.0]
本稿では,不正検出・防止における機械学習の変革的役割について考察する。膨大なデータセットの処理、複雑な不正パターンの特定、リアルタイム予測の提供における機械学習の強みを強調している。機械学習が不正検出フレームワークに革命をもたらす可能性を強調し、よりダイナミックで効率的で、さまざまな業界における不正検出の複雑さの増大に対処できる。
論文参考訳（メタデータ） (2024-10-26T21:34:28Z)
InferAct: Inferring Safe Actions for LLM-Based Agents Through Preemptive Evaluation and Human Feedback [70.54226917774933]
本稿では,リスク行動が実行される前に,潜在的なエラーを積極的に検出する新しい手法であるInferActを紹介する。 InferActは人間のプロキシとして機能し、安全でないアクションを検出し、ユーザーの介入を警告する。広く使われている3つのタスクの実験は、InferActの有効性を示している。
論文参考訳（メタデータ） (2024-07-16T15:24:44Z)
On the Risk of Misinformation Pollution with Large Language Models [127.1107824751703]
本稿では,現代大規模言語モデル (LLM) の誤用の可能性について検討する。本研究は, LLMが効果的な誤情報発生器として機能し, DOQAシステムの性能が著しく低下することを明らかにする。
論文参考訳（メタデータ） (2023-05-23T04:10:26Z)
AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文参考訳（メタデータ） (2023-04-10T15:38:12Z)
Transfer Learning for Credit Card Fraud Detection: A Journey from Research to Production [29.50963185641885]
最先端の不正検出システムは、機械学習(ML)モジュールを組み込んでいる。本稿では, 不正検出のための転帰学習, ビジネスから研究, ビジネスへの回帰を事例として, プロセスのより広いビジョンについて述べる。
論文参考訳（メタデータ） (2021-07-20T08:29:04Z)
Explainable Machine Learning for Fraud Detection [0.47574189356217006]
大規模なデータセットの処理をサポートする機械学習の応用は、金融サービスを含む多くの業界で有望である。本稿では,監視モデルと非監視モデルの両方において,適切なバックグラウンドデータセットとランタイムトレードオフの選択を検討し,リアルタイム不正検出の領域における説明可能性について検討する。
論文参考訳（メタデータ） (2021-05-13T14:12:02Z)
Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。近年,これらの安全対策を目的とした最先端技術動物園が出現している。本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文参考訳（メタデータ） (2021-04-29T09:54:54Z)
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)
Approaches to Fraud Detection on Credit Card Transactions Using Artificial Intelligence Methods [0.0]
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。
論文参考訳（メタデータ） (2020-07-29T06:18:57Z)
Applying support vector data description for fraud detection [0.0]
不正検出の主な課題の1つは、複雑で困難な作業である不正サンプルの取得である。この課題に対処するために,SVDDのような不正サンプルを必要としない一級分類法を適用した。また,DBSCANの拡張であるREDBSCANを提案する。
論文参考訳（メタデータ） (2020-05-31T21:31:32Z)
Adversarial Attacks on Machine Learning Systems for High-Frequency Trading [55.30403936506338]
逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
論文参考訳（メタデータ） (2020-02-21T22:04:35Z)

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。