論文の概要: Synthetic Data Generation for Fraud Detection using GANs

• arxiv url: http://arxiv.org/abs/2109.12546v1
• Date: Sun, 26 Sep 2021 09:51:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 13:36:20.036904
• Title: Synthetic Data Generation for Fraud Detection using GANs
• Title（参考訳）: GANを用いたフラッド検出のための合成データ生成
• Authors: Charitos Charitou, Simo Dragicevic, Artur d'Avila Garcez
• Abstract要約: 不正検出に関連する問題は、クラス不均衡の重大な問題に直面している。 本稿では,合成データを生成するためのGAN(Generative Adrial Networks)に基づく新しいシステムを提案する。 我々のフレームワークであるSynthetic Data Generation GANは、オーバーサンプリング方式よりも優れています。
• 参考スコア（独自算出の注目度）: 1.1816942730023885
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Detecting money laundering in gambling is becoming increasingly challenging for the gambling industry as consumers migrate to online channels. Whilst increasingly stringent regulations have been applied over the years to prevent money laundering in gambling, despite this, online gambling is still a channel for criminals to spend proceeds from crime. Complementing online gambling's growth more concerns are raised to its effects compared with gambling in traditional, physical formats, as it might introduce higher levels of problem gambling or fraudulent behaviour due to its nature of immediate interaction with online gambling experience. However, in most cases the main issue when organisations try to tackle those areas is the absence of high quality data. Since fraud detection related issues face the significant problem of the class imbalance, in this paper we propose a novel system based on Generative Adversarial Networks (GANs) for generating synthetic data in order to train a supervised classifier. Our framework Synthetic Data Generation GAN (SDG-GAN), manages to outperformed density based over-sampling methods and improve the classification performance of benchmarks datasets and the real world gambling fraud dataset.
• Abstract（参考訳）: ギャンブルにおけるマネーロンダリングの検出は、消費者がオンラインチャネルに移行するにつれ、ギャンブル業界にとってますます困難になりつつある。 ギャンブルにおけるマネーロンダリングを防ぐための厳しい規制が長年適用されてきたが、オンラインギャンブルは依然として犯罪者が犯罪から収益を得るための手段となっている。 オンラインギャンブルの成長を補うことで、オンラインギャンブル体験と即時相互作用する性質から、問題ギャンブルや不正行為のレベルが高くなる可能性があるため、従来の物理的な形式でのギャンブルと比較して、より多くの懸念が生じる。 しかしながら、ほとんどの場合、これらの領域に対処しようとする組織の主な問題は、高品質なデータがないことです。 本稿では, 不正検出に関連する問題がクラス不均衡の重大な問題に直面しているため, 教師付き分類器を訓練するために, 合成データを生成するGAN(Generative Adversarial Networks)に基づく新しいシステムを提案する。 我々のフレームワークであるSynthetic Data Generation GAN (SDG-GAN) は,ベンチマークデータセットと実世界のギャンブル不正データセットの分類性能を向上し,高密度なオーバーサンプリング手法よりも優れていた。

関連論文リスト

• Dynamic Fraud Detection: Integrating Reinforcement Learning into Graph Neural Networks [39.54354926067617]
  グラフニューラルネットワークは、グラフ構造内の対話的関係を利用することができるディープラーニングモデルの一種である。 不正行為は取引のごく一部に過ぎません 詐欺師はしばしば 行動を偽装する 最終予測結果に 悪影響を及ぼす可能性がある
  論文  参考訳（メタデータ） (2024-09-15T23:08:31Z)
• Automatic detection of problem-gambling signs from online texts using large language models [16.418288795462935]
  問題ギャンブルは公衆衛生上の問題であり、深刻な心理的苦痛と経済的問題に関係している。 インターネット上には多くのギャンブルコミュニティがあり、ゲームに関する情報やギャンブル戦術、ギャンブル関連の問題などを交換している。 オンラインギャンブルコミュニティは、問題解決行動に関する洞察を提供するかもしれない。
  論文  参考訳（メタデータ） (2023-11-24T13:48:02Z)
• 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)
• Who is Gambling? Finding Cryptocurrency Gamblers Using Multi-modal Retrieval Methods [46.17004007514548]
  我々はETHGamDetと呼ばれるツールを提案し、ギャンブルの振る舞いを発見し、ギャンブルに関わる契約や住所を特定する。 このツールは、スマートコントラクトコードとトランザクションレコードを精査することで、ギャンブルに関わるスマートコントラクトとアドレスを自動的に検出することができる。 本稿では,メモリコンポーネントを備えた新しいLightGBMモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-27T10:07:13Z)
• Adapting to Online Label Shift with Provable Guarantees [137.89382409682233]
  オンラインラベルシフトの問題を定式化し,検討する。 非定常性と監督の欠如は、この問題に取り組むことを困難にしている。 我々のアルゴリズムは最適な動的後悔を享受しており、性能が透かしの性質と競合していることを示している。
  論文  参考訳（メタデータ） (2022-07-05T15:43:14Z)
• Modeling Users' Behavior Sequences with Hierarchical Explainable Network for Cross-domain Fraud Detection [19.262529179023254]
  本稿では,ユーザの行動系列をモデル化する階層型説明可能ネットワーク(HEN)を提案する。 また,クロスドメイン不正検出問題に対処するための転送フレームワークを提案する。 提案手法は,HENだけでなく,既存モデルにも適用可能な汎用トランスファーフレームワークである。
  論文  参考訳（メタデータ） (2022-01-04T06:37:16Z)
• Application of Deep Reinforcement Learning to Payment Fraud [0.0]
  典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。 このような定式化は準最適解につながると我々は主張する。 我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
  論文  参考訳（メタデータ） (2021-12-08T11:30:53Z)
• Deep Fraud Detection on Non-attributed Graph [61.636677596161235]
  グラフニューラルネットワーク(GNN)は不正検出に強い性能を示している。 ラベル付きデータは大規模な産業問題、特に不正検出には不十分である。 よりラベルのないデータを活用するための新しいグラフ事前学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-10-04T03:42:09Z)
• 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)
• Fraud Detection using Data-Driven approach [0.0]
  最初のオンラインバンキングは1980年に始まった。 インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。 本研究では,顧客行動に適応した効率的な不正検出モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2020-09-08T20:58:51Z)
• Enhancing Graph Neural Network-based Fraud Detectors against Camouflaged Fraudsters [78.53851936180348]
  近年の実証研究,すなわち特徴カモフラージュと関係カモフラージュの2種類のカモフラージュを紹介した。 既存のGNNはこれらの2つのカモフラージュに対処していない。 カモフラージュ抵抗型GNN(CARE-GNN)と呼ばれる新しいモデルを提案し、カモフラージュに対する3つのユニークなモジュールを用いたGNN集約プロセスを強化する。
  論文  参考訳（メタデータ） (2020-08-19T22:33:12Z)

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。