Модель обнаружения мошенничества при онлайн-платежах с использованием методов машинного обучения

Online Payment Fraud Detection Model Using Machine Learning Techniques
Abdulwahab Ali Almazroi, Nasir Ayub
2023-01-01

Извлечение признаков с помощью автоэнкодера и ResNetАлгоритм оптимизации JayaОбнаружение мошенничества в онлайн-платежахМодель ResNeXt-GRUМетод синтетической передискретизации меньшинства (SMOTE)
В мире, где беспроводные коммуникации имеют критическое значение для передачи огромных объемов данных при защите от помех, растущая вероятность финансового мошенничества стала серьезной проблемой. Модель на основе рекуррентного блока с вентильным управлением (Gated Recurrent Unit, GRU), в которую встроена архитектура ResNeXt (RXT), представляет собой уникальный подход, специально разработанный для обработки данных о финансовых транзакциях в реальном времени. В связи с необходимостью противодействия растущей угрозе финансового мошенничества, создающей значительные риски для финансовых учреждений и клиентов, в нашей работе применяется систематический подход. Процесс начинается с ввода и предварительной обработки данных, включая устранение дисбаланса классов с помощью метода синтетической передискретизации миноритарного класса (Synthetic Minority Over-sampling Technique, SMOTE). Для извлечения признаков используется ансамблевый подход, объединяющий автоэнкодеры и ResNet (EARN), что позволяет выявить критически важные закономерности в данных, тогда как конструирование признаков дополнительно повышает дискриминативные возможности модели. Основу задачи классификации составляет модель RXT, гиперпараметры которой настраиваются с использованием алгоритма оптимизации Jaya (RXT-J). Модель прошла всестороннюю оценку на трех реальных наборах данных о финансовых транзакциях и стабильно превосходила существующие алгоритмы на 10–18% по различным метрикам оценки, сохраняя при этом высокую вычислительную эффективность. Это исследование представляет собой значительный шаг вперед в продолжающейся борьбе с финансовым мошенничеством, обеспечивая повышение безопасности и оптимизацию эффективности финансовых транзакций. Для защиты от помех в беспроводных коммуникациях наша работа направлена на укрепление безопасности, доступности данных, надежности и устойчивости финансовой отрасли к атакам кибервойны.
1
На трёх реальных наборах данных о финансовых транзакциях RXT-J превзошла существующие алгоритмы на 10–18% по нескольким метрикам оценки.
2
Для устранения дисбаланса классов применяется SMOTE, а ансамбль EARN объединяет автоэнкодеры и ResNet для выделения дискриминативных признаков.
3
Гиперпараметры классификатора RXT оптимизируются алгоритмом Jaya, формируя модель обнаружения мошенничества RXT-J.
4
Модель сохранила вычислительную эффективность при повышении качества обнаружения мошенничества, поддерживая безопасную и надёжную обработку финансовых транзакций.
5
Предложенная модель RXT объединяет эмбеддинги ResNeXt с рекуррентными блоками GRU для обнаружения мошенничества в финансовых транзакциях в реальном времени.

Онлайн-финансовые транзакции и данные о транзакциях

эффективность обнаружения мошенничества в реальном времени, включая точность дискриминации и вычислительную эффективность

Publication Details
Publication Date
2023-01-01
Journal
Publisher
ISSN
Cited by
147
Access Type
Author Information
Authors
Abdulwahab Ali Almazroi
Nasir Ayub
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%