論文の概要: Credit Card Fraud Detection using Machine Learning: A Study
- arxiv url: http://arxiv.org/abs/2108.10005v1
- Date: Mon, 23 Aug 2021 08:30:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-24 20:27:08.065509
- Title: Credit Card Fraud Detection using Machine Learning: A Study
- Title(参考訳): 機械学習を用いたクレジットカード不正検出に関する研究
- Authors: Pooja Tiwari, Simran Mehta, Nishtha Sakhuja, Jitendra Kumar, Ashutosh
Kumar Singh
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.5829043503611318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the world is rapidly moving towards digitization and money transactions
are becoming cashless, the use of credit cards has rapidly increased. The fraud
activities associated with it have also been increasing which leads to a huge
loss to the financial institutions. Therefore, we need to analyze and detect
the fraudulent transaction from the non-fraudulent ones. In this paper, we
present a comprehensive review of various methods used to detect credit card
fraud. These methodologies include Hidden Markov Model, Decision Trees,
Logistic Regression, Support Vector Machines (SVM), Genetic algorithm, Neural
Networks, Random Forests, Bayesian Belief Network. A comprehensive analysis of
various techniques is presented. We conclude the paper with the pros and cons
of the same as stated in the respective papers.
- Abstract(参考訳): 世界が急速にデジタル化に向かっており、貨幣取引も現金化が進んでおり、クレジットカードの利用が急速に増加している。
また、それに伴う不正行為も増加しており、金融機関に大きな損失をもたらしている。
したがって、不正取引を非詐欺取引から分析し、検出する必要がある。
本稿では,クレジットカード詐欺を検知するための各種手法の包括的レビューを行う。
これらの手法には隠れマルコフモデル、決定木、ロジスティック回帰、サポートベクターマシン(svm)、遺伝的アルゴリズム、ニューラルネットワーク、ランダムフォレスト、ベイズ信念ネットワークが含まれる。
様々な技法の総合的な分析を行った。
論文は各論文に記載されているものと同じ長文と短文で締めくくります。
関連論文リスト
- Heterogeneous Graph Auto-Encoder for CreditCard Fraud Detection [0.7864304771129751]
本稿では、金融データの異種グラフ表現に注意機構を応用したグラフニューラルネットワーク(GNN)を用いたクレジットカード不正検出手法を提案する。
提案モデルはグラフセージやFI-GRLなどのベンチマークアルゴリズムより優れており、AUC-PRが0.89、F1スコアが0.81である。
論文 参考訳(メタデータ) (2024-10-10T17:05:27Z) - 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) - 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) - A Combination of Deep Neural Networks and K-Nearest Neighbors for Credit
Card Fraud Detection [0.0]
本稿では, アンダーサンプリングアルゴリズム, K-nearest Neighbor Algorithm (KNN) と Deep Neural Network (KNN) を含む新しい手法を実装した。
性能評価の結果、DNNモデルは正確な精度(98.12%)を示し、提示された手法が不正取引を検出する優れた能力を示している。
論文 参考訳(メタデータ) (2022-05-27T10:33:27Z) - 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) - Deep Learning Methods for Credit Card Fraud Detection [3.069837038535869]
本稿では,クレジットカード詐欺検出問題の深層学習手法について検討する。
パフォーマンスを3つの金融データセット上のさまざまな機械学習アルゴリズムと比較する。
実験の結果,従来の機械学習モデルに対する深層学習手法の性能が向上した。
論文 参考訳(メタデータ) (2020-12-07T14:48:58Z) - 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) - 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) - 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。