論文の概要: Application of AI-based Models for Online Fraud Detection and Analysis
- arxiv url: http://arxiv.org/abs/2409.19022v1
- Date: Wed, 25 Sep 2024 14:47:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 04:50:50.849915
- Title: Application of AI-based Models for Online Fraud Detection and Analysis
- Title（参考訳）: オンラインフラッド検出・解析におけるAIモデルの適用
- Authors: Antonis Papasavva, Shane Johnson, Ed Lowther, Samantha Lundrigan, Enrico Mariconti, Anna Markovska, Nilufer Tuptuk,
- Abstract要約: オンライン不正検出のためのAIおよびNLP技術に関する体系的文献レビューを行う。
各種オンライン詐欺カテゴリを解析するための最先端NLP技術について報告する。
データ制限の問題、トレーニングバイアスレポート、モデルパフォーマンスレポートにおけるメトリクスの選択的な表示などを特定します。
- 参考スコア（独自算出の注目度）: 1.764243259740255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fraud is a prevalent offence that extends beyond financial loss, causing psychological and physical harm to victims. The advancements in online communication technologies alowed for online fraud to thrive in this vast network, with fraudsters increasingly using these channels for deception. With the progression of technologies like AI, there is a growing concern that fraud will scale up, using sophisticated methods, like deep-fakes in phishing campaigns, all generated by language generation models like ChatGPT. However, the application of AI in detecting and analyzing online fraud remains understudied. We conduct a Systematic Literature Review on AI and NLP techniques for online fraud detection. The review adhered the PRISMA-ScR protocol, with eligibility criteria including relevance to online fraud, use of text data, and AI methodologies. We screened 2,457 academic records, 350 met our eligibility criteria, and included 223. We report the state-of-the-art NLP techniques for analysing various online fraud categories; the training data sources; the NLP algorithms and models built; and the performance metrics employed for model evaluation. We find that current research on online fraud is divided into various scam activitiesand identify 16 different frauds that researchers focus on. This SLR enhances the academic understanding of AI-based detection methods for online fraud and offers insights for policymakers, law enforcement, and businesses on safeguarding against such activities. We conclude that focusing on specific scams lacks generalization, as multiple models are required for different fraud types. The evolving nature of scams limits the effectiveness of models trained on outdated data. We also identify issues in data limitations, training bias reporting, and selective presentation of metrics in model performance reporting, which can lead to potential biases in model evaluation.
- Abstract（参考訳）: 詐欺は重大犯罪であり、金銭的損失を超えて、被害者に心理的および身体的損害をもたらす。
オンラインコミュニケーション技術の進歩は、この広大なネットワークでオンライン詐欺が盛んになり、詐欺師たちはますますこれらのチャンネルを騙しに使っている。
AIのような技術が進歩するにつれ、不正行為が拡大する懸念が高まっており、フィッシングキャンペーンのディープフェイクのような洗練された手法を使用して、すべてChatGPTのような言語生成モデルによって生成される。
しかし、オンライン詐欺の検出と分析におけるAIの適用については、まだ検討されていない。
オンライン不正検出のためのAIおよびNLP技術に関する体系的文献レビューを行う。
このレビューはPRISMA-ScRプロトコルに準拠しており、オンライン詐欺との関連性、テキストデータの使用、AI方法論などの適格性基準を定めている。
我々は2,457件の学術記録を検定し,350件が資格基準を満たし,223件を収録した。
本稿では,各種オンライン詐欺カテゴリ,トレーニングデータソース,NLPアルゴリズムとモデル構築,モデル評価に使用されるパフォーマンス指標など,最先端のNLP技術について報告する。
オンライン詐欺に関する現在の研究は、様々な詐欺行為に分けられており、研究者が注目する16の異なる詐欺が特定されている。
このSLRは、オンライン詐欺に対するAIベースの検出方法の学術的理解を強化し、政策立案者、法執行機関、ビジネスに対してそのような活動に対する保護に関する洞察を提供する。
特定の詐欺に焦点を合わせることは、さまざまな詐欺タイプに複数のモデルを必要とするため、一般化に欠ける、と結論付けている。
詐欺の進化する性質は、古いデータに基づいて訓練されたモデルの有効性を制限している。
また、データ制限の問題、トレーニングバイアスレポート、モデルパフォーマンスレポートにおけるメトリクスの選択的な表示も確認し、モデル評価における潜在的なバイアスにつながる可能性がある。
関連論文リスト
- 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) - The Frontier of Data Erasure: Machine Unlearning for Large Language Models [56.26002631481726]
大規模言語モデル(LLM)はAIの進歩の基礎となっている。
LLMは機密情報、偏見情報、著作権情報を記憶し、広めることによってリスクを生じさせる。
機械学習は、これらの懸念を軽減するための最先端のソリューションとして現れます。
論文 参考訳（メタデータ） (2024-03-23T09:26:15Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳（メタデータ） (2023-11-22T02:45:01Z) - 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) - An engine to simulate insurance fraud network data [1.3812010983144802]
ネットワーク構造を持つ合成データを生成するシミュレーションマシンを開発した。
不正発生モデルにおいて、政策立案者及び当事者の総数、所望の不均衡レベル、および特徴(効果の大きさ)を特定できる。
シミュレーションエンジンは、研究者や実践者がいくつかの方法論的課題を検証し、保険詐欺検出モデルの(開発戦略)検証を可能にする。
論文 参考訳（メタデータ） (2023-08-21T13:14:00Z) - 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) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Fraud Dataset Benchmark and Applications [25.184342958800293]
Fraud dataset Benchmark(FDB)は、不正検出に特化した公開データセットのコンパイルである。
FDBには、不正なカード非表示トランザクションの識別、ボット攻撃の検出、悪意のあるURLの分類、コンテンツモデレーションに対するローンのデフォルトリスクの推定など、さまざまな不正関連タスクが含まれている。
FDB用のPythonベースのライブラリは、標準化されたトレーニングとテストの分割を伴うデータローディングのための一貫したAPIを提供する。
論文 参考訳（メタデータ） (2022-08-30T17:35:39Z) - 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) - 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) - Social network analytics for supervised fraud detection in insurance [1.911867365776962]
保険詐欺は、政策所有者が誇張された、または故意の損害に基づく主張を提出した場合に発生する。
このコントリビューションは,クレームのソーシャルネットワークから洞察力のある情報を抽出することにより,不正検出戦略を開発する。
論文 参考訳（メタデータ） (2020-09-15T21:40:15Z)
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。