論文の概要: Explainable Artificial Intelligence and Causal Inference based ATM Fraud Detection

• arxiv url: http://arxiv.org/abs/2211.10595v1
• Date: Sat, 19 Nov 2022 06:01:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 19:05:43.137820
• Title: Explainable Artificial Intelligence and Causal Inference based ATM Fraud Detection
• Title（参考訳）: 説明可能な人工知能と因果推論に基づくATMフラッド検出
• Authors: Yelleti Vivek, Vadlamani Ravi, Abhay Anand Mane, Laveti Ramesh Naidu
• Abstract要約: ATM不正取引は銀行が直面する一般的な問題である。 本研究では,インドから収集したATMトランザクションデータセットを用いて,これらの手法について検討した。 我々は,不正検出フレームワークに説明可能な人工知能(XAI)と因果推論(CI)を組み込んだ。
• 参考スコア（独自算出の注目度）: 3.4543720783285052
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gaining the trust of customers and providing them empathy are very critical in the financial domain. Frequent occurrence of fraudulent activities affects these two factors. Hence, financial organizations and banks must take utmost care to mitigate them. Among them, ATM fraudulent transaction is a common problem faced by banks. There following are the critical challenges involved in fraud datasets: the dataset is highly imbalanced, the fraud pattern is changing, etc. Owing to the rarity of fraudulent activities, Fraud detection can be formulated as either a binary classification problem or One class classification (OCC). In this study, we handled these techniques on an ATM transactions dataset collected from India. In binary classification, we investigated the effectiveness of various over-sampling techniques, such as the Synthetic Minority Oversampling Technique (SMOTE) and its variants, Generative Adversarial Networks (GAN), to achieve oversampling. Further, we employed various machine learning techniques viz., Naive Bayes (NB), Logistic Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), Gradient Boosting Tree (GBT), Multi-layer perceptron (MLP). GBT outperformed the rest of the models by achieving 0.963 AUC, and DT stands second with 0.958 AUC. DT is the winner if the complexity and interpretability aspects are considered. Among all the oversampling approaches, SMOTE and its variants were observed to perform better. In OCC, IForest attained 0.959 CR, and OCSVM secured second place with 0.947 CR. Further, we incorporated explainable artificial intelligence (XAI) and causal inference (CI) in the fraud detection framework and studied it through various analyses.
• Abstract（参考訳）: 顧客の信頼を得て共感を提供することは、金融分野において非常に重要です。 不正行為の頻発はこれら2つの要因に影響する。 したがって、金融機関や銀行はそれらを軽減するために最善の注意を払わなければならない。 その中でもATM不正取引は銀行が直面する一般的な問題である。 不正データセットには、以下の重要な課題がある。データセットは高度に不均衡であり、不正パターンは変化している。 不正行為の希少性のため、フルート検出は二項分類問題または一項分類(OCC)として定式化することができる。 本研究では,インドから収集したATMトランザクションデータセットを用いて,これらの手法について検討した。 二項分類では,SMOTE(Synthetic Minority Oversampling Technique)やGAN(Generative Adversarial Networks)など,様々なオーバーサンプリング手法の有効性を検討した。 さらに,NB(Naive Bayes),LR(Logistic Regression),SVM(Support Vector Machine),DT(Decision Tree),RF(Random Forest),GBT(Gradient Boosting Tree),MLP(Multi-layer Perceptron)といった機械学習技術を用いた。 GBTは0.963 AUCを達成し、DTは0.958 AUCで2位となった。 複雑性と解釈可能性の観点から考えると、DTが勝者になります。 オーバーサンプリングアプローチの中で、SMOTEとその変異体はより良い性能を示すことが観察された。 OCCではIForestが0.959 CRを獲得し、OCSVMは0.947 CRで2位を獲得した。 さらに,不正検出フレームワークに説明可能な人工知能(XAI)と因果推論(CI)を導入し,様々な分析を行った。

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)
• An Innovative Attention-based Ensemble System for Credit Card Fraud Detection [5.486205584465161]
  本稿では,クレジットカード不正検出のためのユニークな注意に基づくアンサンブルモデルを提案する。 アンサンブルモデルの精度は 99.95% であり、曲線 (AUC) の下の面積は 1 である。
  論文  参考訳（メタデータ） (2024-10-01T09:56:23Z)
• Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
  本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。 実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
  論文  参考訳（メタデータ） (2024-06-05T20:19:09Z)
• Securing Transactions: A Hybrid Dependable Ensemble Machine Learning Model using IHT-LR and Grid Search [2.4374097382908477]
  本稿では,複数のアルゴリズムをインテリジェントに組み合わせて不正識別を強化する,最先端のハイブリッドアンサンブル(ENS)機械学習(ML)モデルを提案する。 実験は,284,807件の取引からなる公開クレジットカードデータセットを用いて実施した。 提案したモデルは、99.66%、99.73%、98.56%、99.79%の精度で、それぞれDT、RF、KNN、ENSモデルに完全100%の精度を実現している。
  論文  参考訳（メタデータ） (2024-02-22T09:01:42Z)
• Explainable Fraud Detection with Deep Symbolic Classification [4.1205832766381985]
  分類問題に対するDeep Symbolic Regressionフレームワークの拡張であるDeep Classificationを提案する。 関数は閉形式で簡潔な数学的表現であるため、モデルは1つの分類決定のレベルとモデルの決定過程の両方において本質的に説明可能である。 PaySimデータセットの評価は、最先端のモデルと競合する予測性能を示しながら、説明可能性の観点からそれらを上回っている。
  論文  参考訳（メタデータ） (2023-12-01T13:50:55Z)
• 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)
• Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
  トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。 我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。 そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
  論文  参考訳（メタデータ） (2023-03-24T16:03:21Z)
• ATM Fraud Detection using Streaming Data Analytics [3.4543720783285052]
  本研究では,静的およびストリーミングの文脈でATMの不正検出を行う手法を提案する。 どちらの文脈でも、RFは最高のモデルであることが判明した。 また、RFは次の最高の性能モデルよりも統計的に有意であることが実証的に証明されている。
  論文  参考訳（メタデータ） (2023-03-08T23:40:18Z)
• Transfer Attacks Revisited: A Large-Scale Empirical Study in Real Computer Vision Settings [64.37621685052571]
  我々は,主要なクラウドベースのMLプラットフォームに対する転送攻撃について,最初の系統的実証的研究を行った。 この研究は、既存のものと矛盾しない多くの興味深い発見につながっている。 この作業は、一般的なMLプラットフォームの脆弱性に光を当て、いくつかの有望な研究方向を指し示している、と私たちは信じています。
  論文  参考訳（メタデータ） (2022-04-07T12:16:24Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。