Например, Бобцов

Обнаружение мошенничества при финансовых транзакциях с использованием модели SMOTENN

Аннотация:

Финансовая индустрия играет важную роль в национальном экономическом росте. Из-за своей критической функции банки стали главными целями для многочисленных финансовых преступлений. Среди них мошеннические финансовые транзакции считаются серьезной проблемой в финансовой индустрии. Традиционные подходы часто критикуются за неэффективность в борьбе с мошенничеством в сфере финансов; поэтому подходы машинного обучения имеют потенциальный ответ для решения этой проблемы. Целью данного исследования является внедрение новой модели Synthetic Minority Over-sampling Technique с Neural Network (SMOTENN) для точного раннего обнаружения кибермошеннических действий в финансовых транзакциях. В работе используются два метода: алгоритм нейронной сети применяется к набору данных, содержащему несбалансированные классы; набор данных первоначально балансируется с помощью алгоритма SMOTE, а затем алгоритма нейронной сети SMOTENN. Обе модели оцениваются с использованием метрик Area Under the Curve, F1-score, точность, полнота, специфичность, достоверность и время обработки. Сравнительный анализ показывает, что эффективность новой модели SMOTENN со сбалансированным набором данных значительно выше, чем у подхода на основе нейронной сети с несбалансированным набором данных. Это свидетельствует об эффективности новой модели SMOTENN в обнаружении мошеннических действий в финансовых транзакциях.

Ключевые слова:

Постоянный URL

Статьи в номере

Содержание © 1993–2025 Университет ИТМО
Разработка © 2015 Университет ИТМО