Fugu-MT 論文翻訳(概要): Customs Fraud Detection in the Presence of Concept Drift

論文の概要: Customs Fraud Detection in the Presence of Concept Drift

arxiv url: http://arxiv.org/abs/2109.14155v1
Date: Wed, 29 Sep 2021 02:52:19 GMT
ステータス: 処理完了
システム内更新日: 2021-09-30 14:43:55.145276
Title: Customs Fraud Detection in the Presence of Concept Drift
Title（参考訳）: コンセプトドリフトの存在下での税関不正検出
Authors: Tung-Duong Mai and Kien Hoang and Aitolkyn Baigutanova and Gaukhartas Alina and Sundong Kim
Abstract要約: ADAPTは、エクスプロイトと探索戦略のバランスを制御する適応的選択法である。 ADAPTを用いたシステムは、データセットに徐々に適応し、高い性能で適切な探索比を求めることができる。
参考スコア（独自算出の注目度）: 2.257416403770908
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Capturing the changing trade pattern is critical in customs fraud detection. As new goods are imported and novel frauds arise, a drift-aware fraud detection system is needed to detect both known frauds and unknown frauds within a limited budget. The current paper proposes ADAPT, an adaptive selection method that controls the balance between exploitation and exploration strategies used for customs fraud detection. ADAPT makes use of the model performance trends and the amount of concept drift to determine the best exploration ratio at every time. Experiments on data from four countries over several years show that each country requires a different amount of exploration for maintaining its fraud detection system. We find the system with ADAPT can gradually adapt to the dataset and find the appropriate amount of exploration ratio with high performance.
Abstract（参考訳）: 取引パターンの変更は、税関詐欺の検出において重要である。新しい商品が輸入され、新しい詐欺が発生すると、限られた予算内で既知の詐欺と未知の詐欺の両方を検出するために、ドリフトアウェア詐欺検出システムが必要である。本稿では,税関不正検出に使用される搾取と探索戦略のバランスを制御する適応的選択手法であるadaptを提案する。 ADAPTはモデルの性能トレンドと概念のドリフトを利用して、毎回最高の探査比率を決定する。数年間の4カ国のデータによる実験は、各国が不正検出システムを維持するために異なる量の調査を必要としていることを示している。 ADAPTを用いたシステムは、データセットに徐々に適応し、高い性能で適切な探索比を求めることができる。

関連論文リスト

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)
GraphFC: Customs Fraud Detection with Label Scarcity [21.7060251265426]
人員が限られているため、税関は限られた数の宣言を手動で検査することしかできない。現在の税関詐欺検出のアプローチは、この現実世界の設定にはあまり適していない。本研究では,モデルに依存しない,ドメイン固有の,半教師付きグラフニューラルネットワークに基づく税関不正検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-05-19T01:47:12Z)
Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。弱教師付き異常検出法(WSAD)の総合的な調査を行った。各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
論文参考訳（メタデータ） (2023-02-09T10:27:21Z)
On some studies of Fraud Detection Pipeline and related issues from the scope of Ensemble Learning and Graph-based Learning [0.5820960526832067]
英国の反詐欺チャリティーであるFraud Advisory Panelは、詐欺のビジネスコストを1440億ドルと見積もっている。効率的な不正検出システムの構築は、不均衡なデータや計算コストなど、多くの困難な問題のために困難である。
論文参考訳（メタデータ） (2022-05-10T02:13:58Z)
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)
Generalized Out-of-Distribution Detection: A Survey [83.0449593806175]
アウト・オブ・ディストリビューション(OOD)検出は、機械学習システムの信頼性と安全性を確保するために重要である。その他の問題として、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。まず、上記の5つの問題を含む一般化OOD検出という統合されたフレームワークを提案する。
論文参考訳（メタデータ） (2021-10-21T17:59:41Z)
Incentivizing Exploration in Linear Bandits under Information Gap [50.220743323750035]
線形バンディットにおけるミオピックユーザに対するインセンティブ探索の問題点について検討した。長期報酬を最大化するために、システムは、ユーザに探索的な腕を引くインセンティブを与えるための補償を提供する。
論文参考訳（メタデータ） (2021-04-08T16:01:56Z)
Active Learning for Human-in-the-Loop Customs Inspection [12.66621970520437]
我々は、AI支援アルゴリズムが税関職員を支援するための、輸入品のセットを推薦する、ループ内税関検査シナリオについて検討する。不正や不確実なアイテムを選択するためのハイブリッド戦略が、最終的には搾取のみの戦略よりも優れていることを示す。
論文参考訳（メタデータ） (2020-10-27T13:31:31Z)
Deep Q-Network-based Adaptive Alert Threshold Selection Policy for Payment Fraud Systems in Retail Banking [9.13755431537592]
本稿では,不正警報システムのためのしきい値選択ポリシーを提案する。提案手法は、しきい値選択を逐次決定問題として定式化し、ディープQネットワークに基づく強化学習を用いる。実験結果から, この適応手法は, 不正な損失を低減し, 警報システムの動作効率を向上させることにより, 現在の静的解よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-10-21T15:10:57Z)
SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文参考訳（メタデータ） (2020-07-26T12:32:38Z)
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。