期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于注意力机制优化的WGAN-BiLSTM信用卡欺诈检测方法
1
作者 刘汝欣 徐洪珍 《现代电子技术》 北大核心 2024年第10期73-78,共6页
信用卡欺诈是银行操作风险的主要来源之一,对信用卡诈骗交易进行准确的检测对于减少银行经济损失具有重要意义。针对信用卡欺诈检测中存在的数据类别不平衡和数据漂移的问题,提出一种基于注意力机制优化的WGAN-BiLSTM信用卡欺诈检测方... 信用卡欺诈是银行操作风险的主要来源之一,对信用卡诈骗交易进行准确的检测对于减少银行经济损失具有重要意义。针对信用卡欺诈检测中存在的数据类别不平衡和数据漂移的问题,提出一种基于注意力机制优化的WGAN-BiLSTM信用卡欺诈检测方法。首先引入Wasserstein距离改进生成对抗网络(GAN),将信用卡数据输入至WGAN(Wasserstein GAN)中,在生成器和判别器相互博弈训练下,得到符合目标分布的欺诈样本;然后,构建结合注意力机制的双向长短期记忆(BiLSTM)网络,在正反两个方向上提取信用卡数据的长时依赖关系;最后,通过Softmax层输出分类结果。在欧洲持卡人数据集上的实验结果表明,所提方法能有效提升信用卡欺诈检测效果。 展开更多
关键词 信用卡欺诈检测 过采样技术 注意力机制 不平衡分类 Wasserstein距离 生成对抗网络 双向长短期记忆网络 信息提取
在线阅读 下载PDF
基于三阶段集成学习的信用卡欺诈检测研究 被引量:2
2
作者 阮素梅 孙旭升 甘中新 《运筹与管理》 CSSCI CSCD 北大核心 2023年第12期118-123,共6页
信用卡欺诈是银行业面临的严峻问题,全球每年因信用卡欺诈造成的损失高达数十亿美元。然而信用卡交易数据存在特征冗余和样本不平衡的问题,这无疑增加了模型对少数欺诈交易的检测难度。针对以上问题,本文提出了三阶段集成学习模型“FS-I... 信用卡欺诈是银行业面临的严峻问题,全球每年因信用卡欺诈造成的损失高达数十亿美元。然而信用卡交易数据存在特征冗余和样本不平衡的问题,这无疑增加了模型对少数欺诈交易的检测难度。针对以上问题,本文提出了三阶段集成学习模型“FS-IFKK-Stacking”:基于FS方法的特征选择、基于IFKK方法的不平衡数据处理和基于Stacking方法的异构模型集成。该模型同时解决了由于特征冗余和样本不均衡性导致的过拟合问题,能够更加准确地检测信用卡欺诈交易。基于Kaggle欧洲信用卡交易数据的实验表明:本文提出的“FS-IFKK-Stacking”模型对信用卡欺诈的检测效果明显优于基于原始样本训练的单类模型:在AUC提升0.44%的同时,对欺诈交易的召回率提升了3.27%。 展开更多
关键词 信用卡欺诈检测 集成学习 特征工程
在线阅读 下载PDF
基于特征工程的信用卡欺诈检测策略研究 被引量:1
3
作者 李赛虎 张丽娟 《现代电子技术》 北大核心 2019年第15期175-180,共6页
针对传统的欺诈检测工具难以检测信用卡欺诈模式的问题,提出一种基于特征工程的信用卡欺诈检测策略。首先,该策略扩展了交易聚合策略,在对交易进行分组时通过纳入一个结合标准,将持卡人或交易类型与国家或商户群体等信息相结合;然后,对... 针对传统的欺诈检测工具难以检测信用卡欺诈模式的问题,提出一种基于特征工程的信用卡欺诈检测策略。首先,该策略扩展了交易聚合策略,在对交易进行分组时通过纳入一个结合标准,将持卡人或交易类型与国家或商户群体等信息相结合;然后,对交易的周期性行为进行分析,使用冯米塞斯分布(循环正态分布)创建一组新的特征集合;最后,使用一个大型真实的信用卡欺诈数据集,比较已有的信用卡欺诈检测模型,并评估不同特征集合对结果造成的影响。结果表明该策略较已有模型的成本大概节约13%。 展开更多
关键词 特征工程 信用卡欺诈检测 周期性行为 冯米塞斯分布 特征集合 成本
在线阅读 下载PDF
基于VAE-GAN算法的信用卡欺诈检测模型
4
作者 严嘉钰 贝世之 章乐 《北京电子科技学院学报》 2022年第4期70-81,共12页
信用卡欺诈检测数据集是典型的离群点分布极度不平衡的高维数据集,信用卡交易中被盗刷的交易占比非常小,但每一笔被盗刷的交易都影响重大。针对传统离群点检测算法难以学习到极度不平衡的高维数据集中离群点的分布模式,导致检测率低的问... 信用卡欺诈检测数据集是典型的离群点分布极度不平衡的高维数据集,信用卡交易中被盗刷的交易占比非常小,但每一笔被盗刷的交易都影响重大。针对传统离群点检测算法难以学习到极度不平衡的高维数据集中离群点的分布模式,导致检测率低的问题,本文应用一种基于变分自编码器(Variational Auto-Encoder,VAE)和生成对抗网络(Generative Adversarial Network,GAN)相结合的VAE-GAN算法进行无监督学习,算法首先将数据集输入VAE型生成器中进行训练,生成大量潜在的离群点,然后令判别器学习正常点与离群点的分类边界,最后将测试数据输入训练后的模型中,将离群值高的测试数据判定为离群点。在信用卡欺诈检测数据集上与现有的无监督学习所得结果相比,VAE-GAN在尽可能更多地检测出离群值的同时,尽量减少误判,AUC达到0.9581,Recall达到0.9118,ACC为0.9468,优于目前的最优模型,证明VAE-GAN算法在信用卡欺诈检测中的优越性。 展开更多
关键词 信用卡欺诈检测 变分自编码器 生成对抗网络 无监督学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部