信用卡欺诈检测中机器学习技术与用户认证方法的综合综述

随着信用卡使用量的增加，信用卡滥用的数量也显著增长。因此，金融机构正努力开发并部署信用卡欺诈检测方法，以适应不断演化、日益复杂的欺诈策略，并尽可能快地识别非法交易，从而保护自身及其客户。除这类对抗性策略的复杂本质外，与合法交易数量相比，信用卡欺诈活动属于稀有事件。因此，开发准确且高效的欺诈检测所面临的挑战大幅加剧，进而使得信用卡欺诈检测近来成为一个非常活跃的研究领域。本文对与信用卡欺诈检测问题最相关的现有技术进行综述。我们的综述分为两个主要部分。第一部分聚焦于使用经典机器学习模型的研究，这些模型大多采用传统的交易特征来进行欺诈预测。这些模型通常依赖于某些静态物理特征，例如用户所知之物（基于知识的方法）或用户所能获取之物（基于对象的方法）。在综述的第二部分，我们回顾了更为先进的用户认证技术，其利用行为生物特征，根据个人在与电子设备交互时的独特行为来识别身份。这些方法依赖于人们的行为方式（而非其所作之事），难以被伪造。通过概述当前方法与文献中报道的结果，本综述旨在为该领域未来的研究议程提供方向，以开发更准确、可靠且可扩展的信用卡欺诈检测模型。