Нейронная сеть с пространственно-временным механизмом внимания для обнаружения мошенничества с кредитными картами

Spatio-Temporal Attention-Based Neural Network for Credit Card Fraud Detection
Liqing Zhang, Dawei Cheng, Sheng Xiang, Chencheng Shang, Yiyi Zhang, Fangzhou Yang, Chencheng Shang
2020-04-03

3D-свёрткакривые AUC и точность–полнотаобнаружение мошенничества с кредитными картаминабор данных о мошеннических транзакцияхпространственно-временное внимание
Мошенничество с кредитными картами является важной проблемой и приводит к значительным затратам как для держателей карт, так и для организаций-эмитентов. Современные методы используют подходы машинного обучения для выявления мошеннического поведения по записям о транзакциях. Однако ручное конструирование признаков требует предметных знаний и может отставать от меняющихся способов совершения мошенничества, что обусловливает необходимость автоматического выделения наиболее релевантных закономерностей мошеннического поведения. Поэтому в данной работе предлагается нейронная сеть с пространственно-временным механизмом внимания (STAN) для обнаружения мошенничества. В частности, записи о транзакциях моделируются с использованием механизмов внимания и 3D-свёртки посредством интеграции соответствующей информации о пространственном и временно́м поведении. Веса внимания совместно обучаются сквозным образом вместе с сетями 3D-свёртки и обнаружения. Далее проведены обширные эксперименты на реальном наборе данных о мошеннических транзакциях; результаты показывают, что STAN превосходит другие современные базовые методы как по площади под кривой (AUC), так и по кривым точность–полнота. Кроме того, с участием экспертов предметной области проведены эмпирические исследования постанализа мошенничества с использованием предложенного метода; результаты демонстрируют его эффективность как в обнаружении подозрительных транзакций, так и в выявлении закономерностей мошенничества.
1
Веса внимания совместно обучаются сквозным образом вместе с сетью трёхмерных свёрток и сетью обнаружения мошенничества.
2
Оценка с участием экспертов предметной области показывает, что STAN помогает выявлять подозрительные транзакции и извлекать схемы мошенничества при последующем анализе.
3
На реальном наборе данных о мошеннических транзакциях STAN превосходит современные базовые методы по кривым AUC и precision-recall.
4
STAN объединяет пространственную и временную информацию о транзакциях с помощью механизмов внимания и трёхмерных свёрток.
5
В исследовании предложена STAN — нейронная сеть с пространственно-временным вниманием для автоматизированного выявления мошенничества с банковскими картами.

записи транзакций по кредитным картам и мошенническое поведение

пространственно-временные закономерности и связанные с мошенничеством модели поведения, используемые для выявления подозрительных транзакций и анализа схем мошенничества

Publication Details
Publication Date
2020-04-03
Journal
Publisher
ISSN
Cited by
140
Access Type
Author Information
Authors
Liqing Zhang
Dawei Cheng
Sheng Xiang
Chencheng Shang
Yiyi Zhang
Fangzhou Yang
Chencheng Shang
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%