論文の概要: On the Potential of Network-Based Features for Fraud Detection
- arxiv url: http://arxiv.org/abs/2402.09495v2
- Date: Mon, 19 Feb 2024 11:58:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 00:42:44.147927
- Title: On the Potential of Network-Based Features for Fraud Detection
- Title（参考訳）: フラッド検出のためのネットワーク機能の可能性について
- Authors: Catayoun Azarm, Erman Acar, Mickey van Zeelt
- Abstract要約: 本稿では、パーソナライズされたPageRank(PPR)アルゴリズムを用いて、詐欺の社会的ダイナミクスを捉える。
主な目的は、従来の特徴と不正検出モデルにおけるPPRの追加を比較することである。
その結果,PPRの統合はモデルの予測能力を向上し,ベースラインモデルを上回ることが示唆された。
- 参考スコア（独自算出の注目度）: 3.0846824529023382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online transaction fraud presents substantial challenges to businesses and
consumers, risking significant financial losses. Conventional rule-based
systems struggle to keep pace with evolving fraud tactics, leading to high
false positive rates and missed detections. Machine learning techniques offer a
promising solution by leveraging historical data to identify fraudulent
patterns. This article explores using the personalised PageRank (PPR) algorithm
to capture the social dynamics of fraud by analysing relationships between
financial accounts. The primary objective is to compare the performance of
traditional features with the addition of PPR in fraud detection models.
Results indicate that integrating PPR enhances the model's predictive power,
surpassing the baseline model. Additionally, the PPR feature provides unique
and valuable information, evidenced by its high feature importance score.
Feature stability analysis confirms consistent feature distributions across
training and test datasets.
- Abstract（参考訳）: オンライン取引詐欺は企業や消費者に重大な課題をもたらし、重大な損失を被る。
従来のルールベースのシステムは、不正な戦術の進化に追随し、高い偽陽性率と誤検出につながる。
機械学習技術は、過去のデータを利用して不正パターンを識別することで、有望なソリューションを提供する。
本稿では、パーソナライズされたPageRank(PPR)アルゴリズムを用いて、財務アカウント間の関係を分析し、詐欺の社会的ダイナミクスを捉える。
主な目的は、従来の特徴と不正検出モデルにおけるPPRの追加を比較することである。
その結果,PPRの統合はモデルの予測能力を向上し,ベースラインモデルを上回ることが示唆された。
さらに、ppr機能はユニークで価値のある情報を提供し、その高い特徴重要性スコアによって証明される。
機能安定性分析は、トレーニングとテストデータセット間で一貫した機能分布を確認する。
関連論文リスト
- A Customer Level Fraudulent Activity Detection Benchmark for Enhancing Machine Learning Model Research and Evaluation [0.4681661603096334]
本研究では,顧客レベルの不正検出に特化して設計された構造化データセットを含むベンチマークを提案する。
このベンチマークは、ユーザの機密性を確保するために厳格なプライバシーガイドラインに準拠しているだけでなく、顧客中心の機能をカプセル化することによって、豊富な情報ソースを提供する。
論文 参考訳（メタデータ） (2024-04-23T04:57:44Z) - 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) - Privacy-Preserving Financial Anomaly Detection via Federated Learning & Multi-Party Computation [17.314619091307343]
本稿では、金融機関が高精度な異常検出モデルを共同で訓練できるプライバシー保護フレームワークについて述べる。
当社のソリューションは,顧客データのプライバシを保ちながら,高精度な異常検出モデルをトレーニングすることを可能にする。
論文 参考訳（メタデータ） (2023-10-06T19:16:41Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - 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) - Uncertainty-Aware Credit Card Fraud Detection Using Deep Learning [10.681661545798157]
本研究では,モンテカルロ・ドロップアウト,アンサンブル,アンサンブルという3つの不確実量化手法を提案する。
このアンサンブルは、生成した予測に対応する不確実性を把握するのにより効果的であることを示す。
論文 参考訳（メタデータ） (2021-07-28T17:30:46Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z) - Uncertainty as a Form of Transparency: Measuring, Communicating, and
Using Uncertainty [66.17147341354577]
我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。
モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。
この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
論文 参考訳（メタデータ） (2020-11-15T17:26:14Z) - Accurate and Robust Feature Importance Estimation under Distribution
Shifts [49.58991359544005]
PRoFILEは、新しい特徴重要度推定法である。
忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-09-30T05:29:01Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-06-26T13:50:19Z) - A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。
ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
論文 参考訳（メタデータ） (2020-02-28T10:35:25Z)
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。