論文の概要: A High-Recall Cost-Sensitive Machine Learning Framework for Real-Time Online Banking Transaction Fraud Detection

• arxiv url: http://arxiv.org/abs/2601.07276v1
• Date: Mon, 12 Jan 2026 07:34:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.264872
• Title: A High-Recall Cost-Sensitive Machine Learning Framework for Real-Time Online Banking Transaction Fraud Detection
• Title（参考訳）: リアルタイムオンライン銀行取引不正検出のための高リコールコスト感性機械学習フレームワーク
• Authors: Karthikeyan V. R., Premnath S., Kavinraaj S., J. Sangeetha,
• Abstract要約: 本研究は、スマートしきい値選択によって調整されたグループ学習手法を用いたシステムを構築する。 その結果、実際の詐欺の約91%が検出されたことが明らかとなった。 Chrome用のブラウザアドオンは、偽りのWebリンクにフラグを付け、有害なサイトからの脅威を減らすように設計されている。
• 参考スコア（独自算出の注目度）: 0.8749675983608171
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fraudulent activities on digital banking services are becoming more intricate by the day, challenging existing defenses. While older rule driven methods struggle to keep pace, even precision focused algorithms fall short when new scams are introduced. These tools typically overlook subtle shifts in criminal behavior, missing crucial signals. Because silent breaches cost institutions far more than flagged but legitimate actions, catching every possible case is crucial. High sensitivity to actual threats becomes essential when oversight leads to heavy losses. One key aim here involves reducing missed fraud cases without spiking incorrect alerts too much. This study builds a system using group learning methods adjusted through smart threshold choices. Using real world transaction records shared openly, where cheating acts rarely appear among normal activities, tests are run under practical skewed distributions. The outcomes reveal that approximately 91 percent of actual fraud is detected, outperforming standard setups that rely on unchanging rules when dealing with uneven examples across classes. When tested in live settings, the fraud detection system connects directly to an online banking transaction flow, stopping questionable activities before they are completed. Alongside this setup, a browser add on built for Chrome is designed to flag deceptive web links and reduce threats from harmful sites. These results show that adjusting decisions by cost impact and validating across entire systems makes deployment more stable and realistic for today's digital banking platforms.
• Abstract（参考訳）: デジタルバンキングサービスの不正行為は日が経つにつれ複雑化しており、既存の防衛に挑戦している。 古いルール駆動方式はペースを維持するのに苦労するが、新しい詐欺が導入されたとき、精度を重視したアルゴリズムでさえ不足する。 これらのツールは通常、犯罪行為の微妙な変化を見落とし、重要なシグナルを欠いている。 サイレントな違反は、警告されるが合法的な行動よりもはるかにコストがかかるため、あらゆる事件を逮捕することが不可欠だ。 監視が大きな損失をもたらすと、実際の脅威に対する高い感度が不可欠になる。 ここでの重要な目的は、不正な警告を多すぎることなく不正行為を減らすことだ。 本研究は、スマートしきい値選択によって調整されたグループ学習手法を用いたシステムを構築する。 現実世界の取引記録を公開的に共有し、不正行為が通常の活動にはほとんど現れない場合、テストは実際に歪んだ分布の下で実行される。 その結果、実際の詐欺の約91%が検出され、クラス間の不均一な例を扱う際に、不規則なルールに依存する標準設定よりも優れていることが判明した。 実地環境でのテストでは、不正検出システムはオンライン銀行取引フローに直接接続し、完了前に疑わしい活動を停止する。 この設定に加えて、Chrome用のブラウザアドオンは、偽りのWebリンクにフラグを付け、有害なサイトからの脅威を減らすように設計されている。 これらの結果は、コストの影響による決定の調整とシステム全体の検証によって、今日のデジタルバンキングプラットフォームにおいて、デプロイメントがより安定し、現実的なものになることを示している。

関連論文リスト

• SAFE-QAQ: End-to-End Slow-Thinking Audio-Text Fraud Detection via Reinforcement Learning [52.29460857893198]
  既存の不正検出方法は、書き起こされたテキストに依存しており、ASRのエラーや、声調や環境条件のような重要な音響的手がかりが欠けている。 音声に基づくスロー思考詐欺検出のためのエンドツーエンド包括的フレームワークSAFE-QAQを提案する。 本フレームワークは,ライブコール中に動的リスクアセスメントフレームワークを導入し,不正の早期検出と防止を可能にする。
  論文  参考訳（メタデータ） (2026-01-04T06:09:07Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• 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)
• 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)
• 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)
• 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)
• Deep Q-Network-based Adaptive Alert Threshold Selection Policy for Payment Fraud Systems in Retail Banking [9.13755431537592]
  本稿では,不正警報システムのためのしきい値選択ポリシーを提案する。 提案手法は、しきい値選択を逐次決定問題として定式化し、ディープQネットワークに基づく強化学習を用いる。 実験結果から, この適応手法は, 不正な損失を低減し, 警報システムの動作効率を向上させることにより, 現在の静的解よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-10-21T15:10:57Z)
• Fraud Detection using Data-Driven approach [0.0]
  最初のオンラインバンキングは1980年に始まった。 インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。 本研究では,顧客行動に適応した効率的な不正検出モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2020-09-08T20:58:51Z)

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。