論文の概要: Credit Card Fraud Detection: A Deep Learning Approach

• arxiv url: http://arxiv.org/abs/2409.13406v1
• Date: Fri, 20 Sep 2024 11:13:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 07:28:56.382906
• Title: Credit Card Fraud Detection: A Deep Learning Approach
• Title（参考訳）: クレジットカードの不正検出:ディープラーニングアプローチ
• Authors: Sourav Verma, Joydip Dhar,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.0361765428523135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Credit card is one of the most extensive methods of instalment for both online and offline mode of payment for electronic transactions in recent times. credit cards invention has provided significant ease in electronic transactions. However, it has also provided new fraud opportunities for criminals, which results in increased fraud rates. Substantial amount of money has been lost by many institutions and individuals due to fraudulent credit card transactions. Adapting improved and dynamic fraud recognition frameworks thus became essential for all credit card distributing banks to mitigate their losses. In fact, the problem of fraudulent credit card transactions implicates a number of relevant real-time challenges, namely: Concept drift, Class imbalance, and Verification latency. However, the vast majority of current systems are based on artificial intelligence (AI), Fuzzy logic, Machine Learning, Data mining, Genetic Algorithms, and so on, rely on assumptions that hardly address all the relevant challenges of fraud-detection system (FDS). This paper aims to understand & implement Deep Learning algorithms in order to obtain a high fraud coverage with very low false positive rate. Also, it aims to implement an auto-encoder as an unsupervised (semi-supervised) method of learning common patterns. Keywords: Credit card fraud, Fraud-detection system (FDS), Electronic transactions, Concept drift, Class imbalance, Verification latency, Machine Learning, Deep Learning
• Abstract（参考訳）: クレジットカードは、最近の電子取引におけるオンラインとオフラインの両方の支払いモードにおいて、最も広範なインストール方法の1つである。 クレジットカードの発明は 電子取引を かなり楽にした しかし、犯罪に対する新たな詐欺の機会も提供し、詐欺率の上昇につながった。 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。 したがって、改善された動的不正認識フレームワークを適応させることは、すべてのクレジットカード流通銀行が損失を軽減するために必須となった。 実際、不正なクレジットカード取引の問題は、コンセプトドリフト(concept drift)、クラス不均衡(class im Balance)、検証レイテンシ(Verification latency)といった、関連するリアルタイムの課題に関係している。 しかし、現在のシステムの大部分は人工知能(AI)、ファジィ論理、機械学習、データマイニング、遺伝的アルゴリズムなどに基づいており、詐欺検出システム(FDS)のすべての課題にほとんど対処しない仮定に依存している。 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。 また、一般的なパターンを学習するための教師なし(半教師なし)手法として自動エンコーダを実装することを目的とする。 キーワード:クレジットカード詐欺、不正検出システム(FDS)、電子取引、コンセプトドリフト、クラス不均衡、検証レイテンシ、機械学習、ディープラーニング

関連論文リスト

• Dynamic Fraud Detection: Integrating Reinforcement Learning into Graph Neural Networks [39.54354926067617]
  グラフニューラルネットワークは、グラフ構造内の対話的関係を利用することができるディープラーニングモデルの一種である。 不正行為は取引のごく一部に過ぎません 詐欺師はしばしば 行動を偽装する 最終予測結果に 悪影響を及ぼす可能性がある
  論文  参考訳（メタデータ） (2024-09-15T23:08:31Z)
• Online Corrupted User Detection and Regret Minimization [49.536254494829436]
  現実世界のオンラインウェブシステムでは、複数のユーザがシステムに順次到着する。 乱れた行動から未知のユーザ関係を学習・活用するために,LOCUDという重要なオンライン学習問題を提案する。 我々はRCLUB-WCUの推測ユーザ関係に基づく新しいオンライン検出アルゴリズムOCCUDを考案した。
  論文  参考訳（メタデータ） (2023-10-07T10:20:26Z)
• Credit Card Fraud Detection with Subspace Learning-based One-Class Classification [18.094622095967328]
  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。
  論文  参考訳（メタデータ） (2023-09-26T12:26:28Z)
• 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)
• A novel approach to increase scalability while training machine learning algorithms using Bfloat 16 in credit card fraud detection [0.0]
  本研究は、銀行のクレジットカード不正検出システムにおける機械学習のスケーラビリティに焦点を当てる。 提案手法で利用可能な既存の機械学習アルゴリズムと手法を比較した。 目標は、機械学習アルゴリズムのトレーニングにビットが少ないため、よりスケーラブルなシステムが実現され、時間が短縮され、実装にコストがかかることを証明することだ。
  論文  参考訳（メタデータ） (2022-06-24T01:22:17Z)
• A Combination of Deep Neural Networks and K-Nearest Neighbors for Credit Card Fraud Detection [0.0]
  本稿では, アンダーサンプリングアルゴリズム, K-nearest Neighbor Algorithm (KNN) と Deep Neural Network (KNN) を含む新しい手法を実装した。 性能評価の結果、DNNモデルは正確な精度(98.12%)を示し、提示された手法が不正取引を検出する優れた能力を示している。
  論文  参考訳（メタデータ） (2022-05-27T10:33:27Z)
• 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)
• 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。