論文の概要: Credit Card Fraud Detection Using RoFormer Model With Relative Distance Rotating Encoding

• arxiv url: http://arxiv.org/abs/2507.09385v1
• Date: Sat, 12 Jul 2025 20:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:23.066312
• Title: Credit Card Fraud Detection Using RoFormer Model With Relative Distance Rotating Encoding
• Title（参考訳）: 相対距離回転符号化を用いたRoFormerモデルを用いたクレジットカードのフラッド検出
• Authors: Kevin Reyes, Vasco Cortez,
• Abstract要約: 不正検出は、金融システムが対処しなければならない最も重要な課題の1つだ。 Relative Distance Rotating (ReDRE)は、RoFormerモデル内の時系列データのキャラクタリゼーションを強化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fraud detection is one of the most important challenges that financial systems must address. Detecting fraudulent transactions is critical for payment gateway companies like Flow Payment, which process millions of transactions monthly and require robust security measures to mitigate financial risks. Increasing transaction authorization rates while reducing fraud is essential for providing a good user experience and building a sustainable business. For this reason, discovering novel and improved methods to detect fraud requires continuous research and investment for any company that wants to succeed in this industry. In this work, we introduced a novel method for detecting transactional fraud by incorporating the Relative Distance Rotating Encoding (ReDRE) in the RoFormer model. The incorporation of angle rotation using ReDRE enhances the characterization of time series data within a Transformer, leading to improved fraud detection by better capturing temporal dependencies and event relationships.
• Abstract（参考訳）: 不正検出は、金融システムが対処しなければならない最も重要な課題の1つだ。 不正取引の検出は、月に数百万のトランザクションを処理するFlow Paymentのような支払いゲートウェイ企業にとって重要であり、金融リスクを軽減するために堅牢なセキュリティ対策を必要としている。 優れたユーザエクスペリエンスを提供し、持続可能なビジネスを構築するためには、不正を減らしながらトランザクションの承認率を高めることが不可欠である。 このため、詐欺を検知するための新規で改善された方法を見つけるためには、この業界に成功したい企業に対して、継続的な研究と投資が必要である。 本研究では,RoFormerモデルにRelative Distance Rotating Encoding(ReDRE)を組み込んだトランザクション不正検出手法を提案する。 ReDREを用いた角度回転の導入により、トランスフォーマー内の時系列データのキャラクタリゼーションが向上し、時間的依存関係やイベントの関係をよりよく捉えることで不正検出が改善される。

関連論文リスト

• 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)
• Unsupervised Detection of Fraudulent Transactions in E-commerce Using Contrastive Learning [9.199789653471269]
  電子商取引プラットフォームは、詐欺の脅威が増えている。 従来の不正検出手法は、大量のラベル付きデータを必要とする教師付き学習に依存している。 そこで本研究では,SimCLRに基づく教師なしeコマース不正検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-24T16:14:16Z)
• 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)
• Uncertainty-Aware Step-wise Verification with Generative Reward Models [42.17917357636397]
  生成報酬モデルを用いたステップワイド検証の信頼性を高めるために,不確実性定量化(UQ)を活用することを提案する。 ステップワイド検証におけるPRMの不確実性を定量化するための既存手法よりも優れた新しいUQ手法であるCoT Entropyを導入する。
  論文  参考訳（メタデータ） (2025-02-16T20:00:56Z)
• 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)
• IBP Regularization for Verified Adversarial Robustness via Branch-and-Bound [85.6899802468343]
  IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。 また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
  論文  参考訳（メタデータ） (2022-06-29T17:13:25Z)
• Application of Deep Reinforcement Learning to Payment Fraud [0.0]
  典型的な不正検出システムは、詐欺リコール率の最大化に重点を置く標準的な教師付き学習手法を用いる。 このような定式化は準最適解につながると我々は主張する。 我々は、報酬関数の形でモデル内に実用性を含めることで、不正検出を逐次決定問題として定式化する。
  論文  参考訳（メタデータ） (2021-12-08T11:30:53Z)
• 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)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• A Time-Frequency based Suspicious Activity Detection for Anti-Money Laundering [0.0]
  マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。 これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。 本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
  論文  参考訳（メタデータ） (2020-11-17T08:01:50Z)
• Applying support vector data description for fraud detection [0.0]
  不正検出の主な課題の1つは、複雑で困難な作業である不正サンプルの取得である。 この課題に対処するために,SVDDのような不正サンプルを必要としない一級分類法を適用した。 また,DBSCANの拡張であるREDBSCANを提案する。
  論文  参考訳（メタデータ） (2020-05-31T21:31:32Z)

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。