論文の概要: Detection and Impact of Debit/Credit Card Fraud: Victims' Experiences
- arxiv url: http://arxiv.org/abs/2408.08131v1
- Date: Thu, 15 Aug 2024 13:06:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-16 13:56:12.262625
- Title: Detection and Impact of Debit/Credit Card Fraud: Victims' Experiences
- Title（参考訳）: Debit/Credit Card Fraudの検出と影響:被害者の経験
- Authors: Eman Alashwali, Ragashree Mysuru Chandrashekar, Mandy Lanyon, Lorrie Faith Cranor,
- Abstract要約: 米国におけるデビット/クレディットカード詐欺被害者の実態調査を行った。
経済的損失と心理的影響の関係は見つからなかった。
より多くの参加者が、通知からではなく、カードやアカウントのステートメントをレビューした後で不正を検出すると報告した。
- 参考スコア（独自算出の注目度）: 10.081405401194177
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It might be intuitive to expect that small or reimbursed financial loss resulting from credit or debit card fraud would have low or no financial impact on victims. However, little is known about the extent to which financial fraud impacts victims psychologically, how victims detect the fraud, which detection methods are most efficient, and how the fraud detection and reporting processes can be improved. To answer these questions, we conducted a 150-participant survey of debit/credit card fraud victims in the US. Our results show that significantly more participants reported that they were impacted psychologically than financially. However, we found no relationship between the amount of direct financial loss and psychological impact, suggesting that people are at risk of being psychologically impacted regardless of the amount lost to fraud. Despite the fact that bank or card issuer notifications were related to faster detection of fraud, more participants reported detecting the fraud after reviewing their card or account statements rather than from notifications. This suggests that notifications may be underutilized. Finally, we provide a set of recommendations distilled from victims' experiences to improve the debit/credit card fraud detection and reporting processes.
- Abstract（参考訳）: クレジットカードやデビットカード詐欺による小規模または再支払いによる損失が、被害者に低いあるいは全く経済的影響を及ぼさないと期待するのは直感的かもしれない。
しかし, 被害者の心理的影響の程度, 被害者の発見方法, 検出方法の効率化, 不正検出・報告プロセスの改善方法については, ほとんど分かっていない。
これらの疑問に答えるために、米国におけるデビット/クレディットカード詐欺被害者150名を対象に調査を行った。
その結果,経済的よりも心理的影響が大きかったことが示唆された。
しかし, 直接的損失量と心理的影響の関係は認められず, 詐欺被害の有無にかかわらず, 心理的影響の危険性が示唆された。
銀行やカード発行者の通知が不正発見の迅速化に関連していたにもかかわらず、より多くの参加者が、通知からではなく、カードやアカウントのステートメントをレビューした後で不正を検知したと報告した。
これは通知が未使用である可能性を示唆している。
最後に、被害者の経験から抽出したレコメンデーションのセットを提供し、デビット/クレディットカード不正検出および報告プロセスを改善する。
関連論文リスト
- Credit Card Fraud Detection in the Nigerian Financial Sector: A Comparison of Unsupervised TensorFlow-Based Anomaly Detection Techniques, Autoencoders and PCA Algorithm [0.0]
クレジットカード詐欺はナイジェリアの金融セクターにおける国家的懸念の主な原因である。
本稿では,人間の介入から完全に独立して働くことを想定した2つの不正検出技術の有効性を比較することを目的とする。
論文 参考訳（メタデータ） (2024-03-08T21:22:05Z) - FRAUDability: Estimating Users' Susceptibility to Financial Fraud Using Adversarial Machine Learning [24.817067681746117]
本研究では,金融不正検出システムの性能をユーザ毎に推定するFRAUDabilityを提案する。
提案手法は,不正検出システムの特定のユーザに対する金銭的不正を検知する能力の数値的な推定値である「フルートビリティスコア」を生成する。
また,このスコアは,不正性が高いユーザに対してのみ関与することで,攻撃者の財務利益を54%引き上げる上で有効であることを示す。
論文 参考訳（メタデータ） (2023-12-02T18:33:05Z) - 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) - What's the Harm? Sharp Bounds on the Fraction Negatively Affected by
Treatment [58.442274475425144]
我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。
シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
論文 参考訳（メタデータ） (2022-05-20T17:36:33Z) - Feature-Level Fusion of Super-App and Telecommunication Alternative Data
Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。
クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文 参考訳（メタデータ） (2021-11-05T19:10:35Z) - Credit Card Fraud Detection using Machine Learning: A Study [2.5829043503611318]
世界は急速にデジタル化に向かっており、貨幣取引はキャッシュレスになりつつある。
非詐欺行為から不正取引を分析し、検出する必要がある。
本稿では,クレジットカード不正を検出するための各種手法について概説する。
論文 参考訳（メタデータ） (2021-08-23T08:30:24Z) - 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) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - 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)
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。