論文の概要: Automatic Procurement Fraud Detection with Machine Learning

• arxiv url: http://arxiv.org/abs/2304.10105v1
• Date: Thu, 20 Apr 2023 06:22:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 14:19:43.809280
• Title: Automatic Procurement Fraud Detection with Machine Learning
• Title（参考訳）: 機械学習による自動調達詐欺検出
• Authors: Jin Bai, Tong Qiu
• Abstract要約: 当社の寛大な共同オペレータである SF Express では,買収に関連するデータベースへのアクセスを,同社で2015年から2017年にかけて実施しています。 我々のチームは、機械学習技術が現在の中国市場でもっとも重大な犯罪の1つ、すなわち調達詐欺の監査にどのように役立つかを研究する。 それぞれの調達イベントを9つの特定の特徴として表現することにより、疑わしい調達を識別し、不正の種類を分類するニューラルネットワークモデルを構築する。
• 参考スコア（独自算出の注目度）: 1.7767466724342065
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Although procurement fraud is always a critical problem in almost every free market, audit departments still have a strong reliance on reporting from informed sources when detecting them. With our generous cooperator, SF Express, sharing the access to the database related with procurements took place from 2015 to 2017 in their company, our team studies how machine learning techniques could help with the audition of one of the most profound crime among current chinese market, namely procurement frauds. By representing each procurement event as 9 specific features, we construct neural network models to identify suspicious procurements and classify their fraud types. Through testing our models over 50000 samples collected from the procurement database, we have proven that such models -- despite having space for improvements -- are useful in detecting procurement frauds.
• Abstract（参考訳）: 調達詐欺は、ほぼすべてのフリーマーケットにおいて常に重大な問題であるが、監査部門は、それを検出する際に情報ソースからの報告に強く依存している。 当社の寛大な共同オペレータであるSF Expressは、2015年から2017年にかけて同社の社内で、調達に関連するデータベースへのアクセスを共有していました。 各調達イベントを9つの特徴として表現することにより、疑わしい調達を識別し、不正タイプを分類するニューラルネットワークモデルを構築する。 調達データベースから収集した50000以上のサンプルをテストすることによって、このようなモデル -- 改善の余地はあるものの -- が調達詐欺の検出に有用であることを証明しました。

関連論文リスト

• Trustless Audits without Revealing Data or Models [49.23322187919369]
  モデルプロバイダが(アーキテクチャではなく)モデルウェイトとデータシークレットを維持しながら、他のパーティがモデルとデータプロパティを信頼性のない監査を行うことが可能であることを示す。 私たちはZkAuditと呼ばれるプロトコルを設計し、モデルプロバイダがデータセットとモデルの重みの暗号的コミットメントを公開します。
  論文  参考訳（メタデータ） (2024-04-06T04:43:06Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Deep Semi-Supervised Anomaly Detection for Finding Fraud in the Futures Market [0.0]
  本稿では,高頻度金融データにおける不正検出のための深部半教師付き異常検出技術であるDeep SADの有効性を評価することを目的とする。 我々は、モンローのTMX交換所からの独占的なリミットオーダーの帳簿データと、偽造の小さなラベル付き事例を用いて、Deep SADを評価する。 本研究では,少数のラベル付きデータを教師なし異常検出フレームワークに組み込むことで,その精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2023-08-31T19:07:50Z)
• 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)
• Challenges and Complexities in Machine Learning based Credit Card Fraud Detection [0.0]
  取引量、詐欺の独自性、詐欺師の巧妙さは詐欺を検知する上で大きな課題である。 機械学習、人工知能、ビッグデータの出現は、詐欺と戦うための新しいツールを公開した。 しかし,不正検出アルゴリズムの開発は,不正データの極めて不均衡な性質のため,困難で遅かった。
  論文  参考訳（メタデータ） (2022-08-20T07:53:51Z)
• 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)
• Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
  本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。 これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。 偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
  論文  参考訳（メタデータ） (2022-02-18T19:01:01Z)
• 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)
• Applying support vector data description for fraud detection [0.0]
  不正検出の主な課題の1つは、複雑で困難な作業である不正サンプルの取得である。 この課題に対処するために,SVDDのような不正サンプルを必要としない一級分類法を適用した。 また,DBSCANの拡張であるREDBSCANを提案する。
  論文  参考訳（メタデータ） (2020-05-31T21:31:32Z)
• Uncovering Insurance Fraud Conspiracy with Network Learning [34.609076567889694]
  我々は,組織的な詐欺師の集団を識別する新しいデータ駆動手法を開発した。 請求者間でデバイス共有ネットワークを導入する。 そこで我々は,グラフ学習アルゴリズムに基づく不正検出の自動解法を開発した。
  論文  参考訳（メタデータ） (2020-02-27T13:15:30Z)
• 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。