論文の概要: Transfer Learning for Credit Card Fraud Detection: A Journey from Research to Production

• arxiv url: http://arxiv.org/abs/2107.09323v1
• Date: Tue, 20 Jul 2021 08:29:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-21 20:50:45.084632
• Title: Transfer Learning for Credit Card Fraud Detection: A Journey from Research to Production
• Title（参考訳）: クレジットカード不正検出のための伝達学習:研究から生産への旅
• Authors: Wissam Siblini, Guillaume Coter, R\'emy Fabry, Liyun He-Guelton, Fr\'ed\'eric Obl\'e, Bertrand Lebichot, Yann-A\"el Le Borgne, Gianluca Bontempi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 29.50963185641885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The dark face of digital commerce generalization is the increase of fraud attempts. To prevent any type of attacks, state of the art fraud detection systems are now embedding Machine Learning (ML) modules. The conception of such modules is only communicated at the level of research and papers mostly focus on results for isolated benchmark datasets and metrics. But research is only a part of the journey, preceded by the right formulation of the business problem and collection of data, and followed by a practical integration. In this paper, we give a wider vision of the process, on a case study of transfer learning for fraud detection, from business to research, and back to business.
• Abstract（参考訳）: デジタル商取引の一般化の暗黒面は詐欺未遂の増加である。 あらゆる種類の攻撃を防ぐため、アート不正検出システムの状態が機械学習(ML)モジュールを埋め込んでいる。 このようなモジュールの概念は研究のレベルでのみ伝達され、論文は主に独立したベンチマークデータセットとメトリクスの結果に焦点を当てている。 しかし、研究は旅の一部に過ぎず、ビジネス上の問題とデータ収集の適切な定式化が先行し、実践的な統合が行われる。 本稿では,不正検出のための転帰学習を事例として,ビジネスから研究,ビジネスへの復帰を事例として,プロセスのより広いビジョンを提供する。

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)
• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• 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)
• 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)
• Machine Learning for Fraud Detection in E-Commerce: A Research Agenda [1.1726720776908521]
  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。
  論文  参考訳（メタデータ） (2021-07-05T12:37:29Z)
• 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)
• 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)
• 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)
• SpotTheFake: An Initial Report on a New CNN-Enhanced Platform for Counterfeit Goods Detection [68.8204255655161]
  偽物取引は現在では世界貿易の3.3%以上を占めている。 本稿では,新しい偽物検出プラットフォームの設計と初期開発について述べる。
  論文  参考訳（メタデータ） (2020-02-17T01:51:22Z)

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。