論文の概要: Credit Card Fraud Detection with Subspace Learning-based One-Class Classification

• arxiv url: http://arxiv.org/abs/2309.14880v1
• Date: Tue, 26 Sep 2023 12:26:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 13:54:54.476954
• Title: Credit Card Fraud Detection with Subspace Learning-based One-Class Classification
• Title（参考訳）: サブスペース学習に基づくワンクラス分類によるクレジットカード不正検出
• Authors: Zaffar Zaffar, Fahad Sohrab, Juho Kanniainen, Moncef Gabbouj
• Abstract要約: 1クラス分類(OCC)アルゴリズムは、不均衡なデータ分散を扱うのに優れている。 これらのアルゴリズムは、部分空間学習をデータ記述に統合する。 これらのアルゴリズムは、OCCに最適化された低次元の部分空間にデータを変換する。
• 参考スコア（独自算出の注目度）: 18.094622095967328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In an increasingly digitalized commerce landscape, the proliferation of credit card fraud and the evolution of sophisticated fraudulent techniques have led to substantial financial losses. Automating credit card fraud detection is a viable way to accelerate detection, reducing response times and minimizing potential financial losses. However, addressing this challenge is complicated by the highly imbalanced nature of the datasets, where genuine transactions vastly outnumber fraudulent ones. Furthermore, the high number of dimensions within the feature set gives rise to the ``curse of dimensionality". In this paper, we investigate subspace learning-based approaches centered on One-Class Classification (OCC) algorithms, which excel in handling imbalanced data distributions and possess the capability to anticipate and counter the transactions carried out by yet-to-be-invented fraud techniques. The study highlights the potential of subspace learning-based OCC algorithms by investigating the limitations of current fraud detection strategies and the specific challenges of credit card fraud detection. These algorithms integrate subspace learning into the data description; hence, the models transform the data into a lower-dimensional subspace optimized for OCC. Through rigorous experimentation and analysis, the study validated that the proposed approach helps tackle the curse of dimensionality and the imbalanced nature of credit card data for automatic fraud detection to mitigate financial losses caused by fraudulent activities.
• Abstract（参考訳）: デジタル化が進む商業環境において、クレジットカード詐欺の拡散と高度な詐欺技術の進化は、相当な経済的損失をもたらした。 クレジットカード不正検出の自動化は、検出を加速し、応答時間を短縮し、潜在的金融損失を最小限にする有効な方法である。 しかし、この課題に対処するには、データセットの非常に不均衡な性質が複雑である。 さらに、特徴集合内の多くの次元は「次元の帰結」をもたらす。 本稿では,不均衡なデータ分布の処理に優れ,未発明の不正行為を予測・対処する能力を有する,一クラス分類(OCC)アルゴリズムを中心としたサブスペース学習アプローチについて検討する。 この研究は、現在の不正検出戦略の限界とクレジットカード不正検出の具体的な課題を調べることで、サブスペース学習に基づくOCCアルゴリズムの可能性を強調した。 これらのアルゴリズムは部分空間学習をデータ記述に統合し、OCCに最適化された低次元の部分空間に変換する。 厳密な実験と分析を通じて,提案手法は,不正行為による金銭的損失を軽減するために,クレジットカードデータの不正性と不均衡性に対処する上で有効であることを検証した。

関連論文リスト

• Credit Card Fraud Detection: A Deep Learning Approach [4.0361765428523135]
  不正なクレジットカード取引により、多くの機関や個人によって実質的な金額が失われている。 本稿では,偽陽性率が非常に低い不正カバレッジを得るために,Deep Learningアルゴリズムを理解し,実装することを目的とする。
  論文  参考訳（メタデータ） (2024-09-20T11:13:16Z)
• Verification of Machine Unlearning is Fragile [48.71651033308842]
  両タイプの検証戦略を回避できる2つの新しい非学習プロセスを導入する。 この研究は、機械学習検証の脆弱性と限界を強調し、機械学習の安全性に関するさらなる研究の道を開く。
  論文  参考訳（メタデータ） (2024-08-01T21:37:10Z)
• 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)
• Enhancing Credit Card Fraud Detection A Neural Network and SMOTE Integrated Approach [4.341096233663623]
  本研究では、ニューラルネットワーク(NN)とSMOTE(Synthet ic Minority Over-Sampling Technique)を組み合わせて検出性能を向上させる革新的な手法を提案する。 この研究は、クレジットカード取引データに固有の不均衡に対処し、堅牢で正確な不正検出のための技術的進歩に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-27T02:26:04Z)
• The Adversarial Implications of Variable-Time Inference [47.44631666803983]
  本稿では,攻撃対象のMLモデルの予測を後処理するアルゴリズムの実行時間を簡単に計測する,新たなサイドチャネルを利用するアプローチを提案する。 我々は,物体検出装置の動作において重要な役割を果たす非最大抑圧(NMS)アルゴリズムからの漏れを調査する。 我々は、YOLOv3検出器に対する攻撃を実演し、タイミングリークを利用して、逆例を用いてオブジェクト検出を回避し、データセット推論を行う。
  論文  参考訳（メタデータ） (2023-09-05T11:53:17Z)
• 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)
• Credit Card Fraud Detection Using Enhanced Random Forest Classifier for Imbalanced Data [0.8223798883838329]
  本稿では,この問題を解決するためにランダムフォレスト(RF)アルゴリズムを実装した。 本研究ではクレジットカード取引のデータセットを用いた。
  論文  参考訳（メタデータ） (2023-03-11T22:59:37Z)
• 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)
• 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)
• 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)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。