論文の概要: Comparative Evaluation of Anomaly Detection Methods for Fraud Detection in Online Credit Card Payments

• arxiv url: http://arxiv.org/abs/2312.13896v1
• Date: Thu, 21 Dec 2023 14:42:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-22 14:28:31.603721
• Title: Comparative Evaluation of Anomaly Detection Methods for Fraud Detection in Online Credit Card Payments
• Title（参考訳）: オンラインクレジットカード支払いにおける不正検出のための異常検出手法の比較評価
• Authors: Hugo Thimonier, Fabrice Popineau, Arpad Rimmel, Bich-Li\^en Doan and Fabrice Daniel
• Abstract要約: 本研究では,不均衡な学習課題に対する異常検出(AD)手法の適用について検討する。 我々は、最近のAD手法の性能を評価し、それらの効果を標準教師付き学習法と比較する。 以上の結果から,LightGBMはすべての評価指標に対して有意に優れた性能を示すが,AD法よりも分布シフトに悩まされていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study explores the application of anomaly detection (AD) methods in imbalanced learning tasks, focusing on fraud detection using real online credit card payment data. We assess the performance of several recent AD methods and compare their effectiveness against standard supervised learning methods. Offering evidence of distribution shift within our dataset, we analyze its impact on the tested models' performances. Our findings reveal that LightGBM exhibits significantly superior performance across all evaluated metrics but suffers more from distribution shifts than AD methods. Furthermore, our investigation reveals that LightGBM also captures the majority of frauds detected by AD methods. This observation challenges the potential benefits of ensemble methods to combine supervised, and AD approaches to enhance performance. In summary, this research provides practical insights into the utility of these techniques in real-world scenarios, showing LightGBM's superiority in fraud detection while highlighting challenges related to distribution shifts.
• Abstract（参考訳）: 本研究は,実オンラインクレジットカード決済データを用いた不正検出に着目し,不均衡学習タスクにおける異常検出(ad)手法の適用を検討する。 本研究では,最近のad手法の性能を評価し,その効果を標準教師あり学習法と比較する。 データセット内の分散シフトの証拠を提供し、そのテストモデルのパフォーマンスへの影響を分析します。 以上の結果から,LightGBMはすべての評価指標に対して有意に優れた性能を示すが,AD法よりも分布シフトに悩まされていることがわかった。 さらに,本研究では,AD法で検出された不正行為の大部分をLightGBMが捉えていることも明らかにした。 この観察は、教師付き手法とパフォーマンス向上のためのADアプローチを組み合わせたアンサンブル手法の潜在的な利点に挑戦する。 要約して,本研究は実世界のシナリオにおけるこれらの手法の実用性に関する実践的な洞察を提供し,LightGBMの不正検出における優位性を示すとともに,流通シフトに関わる課題を強調する。

関連論文リスト

• Step-by-Step Reasoning for Math Problems via Twisted Sequential Monte Carlo [55.452453947359736]
  Twisted Sequential Monte Carlo(TSMC)に基づく新しい検証手法を提案する。 TSMCを大規模言語モデルに適用し、部分解に対する将来的な報酬を推定する。 このアプローチは、ステップワイドなヒューマンアノテーションを必要としない、より直接的なトレーニングターゲットをもたらす。
  論文  参考訳（メタデータ） (2024-10-02T18:17:54Z)
• Dissecting Out-of-Distribution Detection and Open-Set Recognition: A Critical Analysis of Methods and Benchmarks [17.520137576423593]
  我々は,コミュニティ内の2つの大きなサブフィールドの総合的なビュー – アウト・オブ・ディストリビューション(OOD)検出とオープンセット認識(OSR) – を提供することを目指している。 我々は,OOD検出における最先端手法とOSR設定との厳密な相互評価を行い,それらの手法の性能の強い相関関係を同定する。 我々は,OOD検出とOSRによって取り組まれている問題を解消する,より大規模なベンチマーク設定を提案する。
  論文  参考訳（メタデータ） (2024-08-29T17:55:07Z)
• Applied Machine Learning to Anomaly Detection in Enterprise Purchase Processes [0.0]
  本研究は、実データから2つの大きな購入データセットから検出された事例を優先的に調査する手法を提案する。 目的は、企業の管理努力の有効性に寄与し、その実施実績を高めることである。
  論文  参考訳（メタデータ） (2024-05-23T16:21:51Z)
• Datasets, Clues and State-of-the-Arts for Multimedia Forensics: An Extensive Review [19.30075248247771]
  本調査は,ディープラーニングモデルを用いたマルチメディアデータにおける検出の改ざん手法に焦点をあてる。 悪質な操作検出のためのベンチマークデータセットの詳細な分析を公開している。 また、タグ付けヒントの包括的なリストや、一般的に使用されているディープラーニングアーキテクチャも提供する。
  論文  参考訳（メタデータ） (2024-01-13T07:03:58Z)
• A Novel DDPM-based Ensemble Approach for Energy Theft Detection in Smart Grids [18.587725467956087]
  エネルギー盗難は、グリッドオペレーターに二重の脅威をもたらす金融損失をもたらし、スマートグリッドのパフォーマンスを損なう。 現在のETD法は教師あり学習に依存しており、データのラベル付けが困難であり、既知の攻撃に過度に適合する危険性がある。 本稿では,DDPMに基づくETD手法を提案する。
  論文  参考訳（メタデータ） (2023-07-30T07:16:56Z)
• Mimicking Better by Matching the Approximate Action Distribution [48.95048003354255]
  そこで我々は,Imitation Learning from Observationsのための新しい,サンプル効率の高いオンライン政治アルゴリズムMAADを紹介する。 我々は、専門家のパフォーマンスを達成するためには、かなり少ないインタラクションが必要であり、現在最先端の政治手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T12:43:47Z)
• Efficient Deep Reinforcement Learning Requires Regulating Overfitting [91.88004732618381]
  本稿では,高時間差(TD)誤差が深部RLアルゴリズムの性能に悪影響を及ぼす主要な原因であることを示す。 検証TDエラーをターゲットとした簡単なオンラインモデル選択法は,状態ベースDMCおよびGymタスク間で有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-20T17:11:05Z)
• Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
  論文  参考訳（メタデータ） (2023-03-21T14:24:58Z)
• 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)
• Towards Better Understanding Attribution Methods [77.1487219861185]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
  論文  参考訳（メタデータ） (2022-05-20T20:50:17Z)
• Tax Evasion Risk Management Using a Hybrid Unsupervised Outlier Detection Method [0.0]
  HUNODは脱税リスク管理のための新規なハイブリッド非教師付きアウトリア検出手法である。 HUNOD法の実験評価は,セルビア税務省が収集した個人所得税宣言データベースから得られた2つのデータセットを用いて行った。
  論文  参考訳（メタデータ） (2021-02-25T20:22:20Z)

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。