論文の概要: FAA Framework: A Large Language Model-Based Approach for Credit Card Fraud Investigations

• arxiv url: http://arxiv.org/abs/2506.11635v1
• Date: Fri, 13 Jun 2025 10:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.746039
• Title: FAA Framework: A Large Language Model-Based Approach for Credit Card Fraud Investigations
• Title（参考訳）: FAA Framework:クレジットカード不正調査のための大規模言語モデルに基づくアプローチ
• Authors: Shaun Shuster, Eyal Zaloof, Asaf Shabtai, Rami Puzis,
• Abstract要約: 本稿では、クレジットカード不正捜査を自動化するための詐欺分析アシスタント(FAA)フレームワークを提案する。 連邦航空局(FAA)は、クレジットカード詐欺捜査の自動化と説明レポート作成のために、マルチモーダルな大規模言語モデル(LLM)を採用している。
• 参考スコア（独自算出の注目度）: 14.099180262701944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The continuous growth of the e-commerce industry attracts fraudsters who exploit stolen credit card details. Companies often investigate suspicious transactions in order to retain customer trust and address gaps in their fraud detection systems. However, analysts are overwhelmed with an enormous number of alerts from credit card transaction monitoring systems. Each alert investigation requires from the fraud analysts careful attention, specialized knowledge, and precise documentation of the outcomes, leading to alert fatigue. To address this, we propose a fraud analyst assistant (FAA) framework, which employs multi-modal large language models (LLMs) to automate credit card fraud investigations and generate explanatory reports. The FAA framework leverages the reasoning, code execution, and vision capabilities of LLMs to conduct planning, evidence collection, and analysis in each investigation step. A comprehensive empirical evaluation of 500 credit card fraud investigations demonstrates that the FAA framework produces reliable and efficient investigations comprising seven steps on average. Thus we found that the FAA framework can automate large parts of the workload and help reduce the challenges faced by fraud analysts.
• Abstract（参考訳）: eコマース業界の継続的な成長は、盗まれたクレジットカードの詳細を悪用した詐欺師を惹きつける。 企業は顧客信頼を維持し、不正検出システムのギャップに対処するため、不審な取引をしばしば調査する。 しかし、アナリストはクレジットカード取引監視システムからの大量のアラートに圧倒されている。 それぞれの警告調査には、詐欺師が慎重に注意し、専門知識と結果の正確な文書を提出し、警告の疲労につながる。 そこで本稿では,マルチモーダルな大規模言語モデル(LLM)を用いて,クレジットカード不正調査の自動化と説明レポート作成を行う,詐欺分析アシスタント(FAA)フレームワークを提案する。 FAAフレームワークは、LCMの推論、コード実行、ビジョン能力を利用して、各調査ステップで計画、エビデンス収集、分析を行う。 500件のクレジットカード不正調査に関する総合的な実証的な評価は、FAAフレームワークが平均7段階の信頼性と効率的な調査を行うことを示している。 そこで、FAAのフレームワークがワークロードの大部分を自動化し、詐欺アナリストが直面する課題を軽減することができることがわかった。

関連論文リスト

• Disclosure Audits for LLM Agents [44.27620230177312]
  大規模言語モデルエージェントは、パーソナルアシスタント、カスタマーサービスボット、臨床助手として登場し始めている。 本研究では、これらのリスクを定量化し、監査する会話プライバシのための監査フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-11T20:47:37Z)
• Enhancing Customer Contact Efficiency with Graph Neural Networks in Credit Card Fraud Detection Workflow [1.0853764732047277]
  本稿では,不正取引の識別精度を高めるために,グラフ畳み込みネットワーク(RGCN)を組み込んだ不正検出フレームワークを提案する。 提案手法の有効性を評価するため,IBMクレジットカードトランザクションデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2025-04-03T04:50:45Z)
• Are Users More Willing to Use Formally Verified Password Managers? [47.205801464292485]
  正式な検証がユーザに与える影響を理解するために,2つの実験を設計,実装する。 パスワードマネージャに対する信頼の欠如が採用率を低下させる可能性があることが文書化されているので、パスワードマネージャのアプリケーションドメインに焦点を当てる。 我々は,形式的検証がユーザにとって望ましいものとみなし,形式的検証コミュニケーションを改善するための3つの行動的勧告を同定する。
  論文  参考訳（メタデータ） (2025-04-02T20:57:49Z)
• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• Credit Card Fraud Detection: A Deep Learning Approach [4.0361765428523135]
  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。
  論文  参考訳（メタデータ） (2024-09-20T11:13:16Z)
• 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)
• Automatic Procurement Fraud Detection with Machine Learning [1.7767466724342065]
  当社の寛大な共同オペレータである SF Express では,買収に関連するデータベースへのアクセスを,同社で2015年から2017年にかけて実施しています。 我々のチームは、機械学習技術が現在の中国市場でもっとも重大な犯罪の1つ、すなわち調達詐欺の監査にどのように役立つかを研究する。 それぞれの調達イベントを9つの特定の特徴として表現することにより、疑わしい調達を識別し、不正の種類を分類するニューラルネットワークモデルを構築する。
  論文  参考訳（メタデータ） (2023-04-20T06:22:43Z)
• 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)
• 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。