論文の概要: On some studies of Fraud Detection Pipeline and related issues from the
scope of Ensemble Learning and Graph-based Learning
- arxiv url: http://arxiv.org/abs/2205.04626v1
- Date: Tue, 10 May 2022 02:13:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-14 21:08:56.941347
- Title: On some studies of Fraud Detection Pipeline and related issues from the
scope of Ensemble Learning and Graph-based Learning
- Title(参考訳): 組立学習とグラフ学習を対象とするフラッド検出パイプラインと関連する諸問題に関する研究
- Authors: Tuan Tran
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.5820960526832067
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The UK anti-fraud charity Fraud Advisory Panel (FAP) in their review of 2016
estimates business costs of fraud at 144 billion, and its individual
counterpart at 9.7 billion. Banking, insurance, manufacturing, and government
are the most common industries affected by fraud activities. Designing an
efficient fraud detection system could avoid losing the money; however,
building this system is challenging due to many difficult problems,
e.g.imbalanced data, computing costs, etc. Over the last three decades, there
are various research relates to fraud detection but no agreement on what is the
best approach to build the fraud detection system. In this thesis, we aim to
answer some questions such as i) how to build a simplified and effective Fraud
Detection System that not only easy to implement but also providing reliable
results and our proposed Fraud Detection Pipeline is a potential backbone of
the system and is easy to be extended or upgraded, ii) when to update models in
our system (and keep the accuracy stable) in order to reduce the cost of
updating process, iii) how to deal with an extreme imbalance in big data
classification problem, e.g. fraud detection, since this is the gap between two
difficult problems, iv) further, how to apply graph-based semi-supervised
learning to detect fraudulent transactions.
- Abstract(参考訳): 英国の反詐欺チャリティーであるFraud Advisory Panel(FAP)は2016年のレビューで、不正行為のビジネスコストを144億、個人費用は970億と見積もっている。
銀行、保険、製造業、政府が最も一般的な産業は詐欺行為である。
効率的な不正検出システムを設計することで、損失を回避できるが、不均衡データや計算コストなど、多くの難しい問題により、このシステムの構築は困難である。
過去30年間で、不正検出に関する様々な研究があるが、不正検出システムを構築するための最良のアプローチについて合意はない。
この論文では いくつか質問に答えることを目指しています
一 容易に実装できるだけでなく、信頼性の高い結果も提供できる簡易かつ効果的なフラッド検出システムの構築方法及び提案したフラッド検出パイプラインは、システムの潜在的バックボーンであり、拡張やアップグレードが容易である。
二 プロセスの更新コストを低減するため、システム内のモデルを更新する(かつ精度を安定させる)とき。
三 不正検出等、ビッグデータ分類問題における極端な不均衡をどう扱うか。この二つの難題のギャップである。
さらに、グラフに基づく半教師付き学習を用いて不正取引を検出する方法。
関連論文リスト
- The Importance of Future Information in Credit Card Fraud Detection [3.2465762663605373]
我々は,「未来」情報を用いた後方不正検出という新たなパラダイムを提案する。
3000万以上のトランザクションを持つ実世界のデータセットでは、通常のLSTMよりも高いパフォーマンスを実現している。
この新たなパラダイムにおける今後の作業は、不正なカードの検出に重大な影響を与えるだろうと考えています。
論文 参考訳(メタデータ) (2022-04-11T17:11:34Z) - Fighting Money Laundering with Statistics and Machine Learning: An
Introduction and Review [95.42181254494287]
マネーロンダリングは深刻なグローバルな問題です。
このトピックに関する統計学と機械学習の研究はほとんどない。
大きな課題の1つは、公開データセットの欠如である。
論文 参考訳(メタデータ) (2022-01-11T21:31:18Z) - 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) - Benchmarking Quality-Dependent and Cost-Sensitive Score-Level Multimodal
Biometric Fusion Algorithms [58.156733807470395]
本稿では,BioSecure DS2 (Access Control) 評価キャンペーンの枠組み内で実施したベンチマーク研究について報告する。
キャンペーンは、約500人の中規模施設における物理的アクセス制御の適用を目標とした。
我々の知る限りでは、これは品質ベースのマルチモーダル融合アルゴリズムをベンチマークする最初の試みである。
論文 参考訳(メタデータ) (2021-11-17T13:39:48Z) - 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) - Customs Fraud Detection in the Presence of Concept Drift [2.257416403770908]
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。
論文 参考訳(メタデータ) (2021-09-29T02:52:19Z) - 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) - 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) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳(メタデータ) (2021-05-14T03:07:25Z) - 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) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [97.77117980707081]
本稿では,システムの物理的特性に違反する逆スプーフィング信号を生成するための新しい枠組みを提案する。
トップセキュリティ会議で公開された4つの異常検知器を分析します。
論文 参考訳(メタデータ) (2020-12-07T11:02:44Z)
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。