用于增强机器学习模型研究与评估的客户级欺诈活动检测基准

在欺诈检测领域，全面且符合隐私保护要求的数据集的可用性对于推进机器学习研究和开发有效的反欺诈系统至关重要。传统数据集通常侧重于交易级信息，这虽然有用，但忽略了检测复杂欺诈方案所必需的客户行为模式的更广泛背景。此类数据的稀缺（主要由于隐私问题）严重阻碍了能够在客户层面有效运作的预测模型的开发和测试。为了解决这一差距，我们的研究引入了一个基准，其中包含专门为客户级欺诈检测设计的结构化数据集。该基准不仅遵守严格的隐私准则以确保用户机密性，而且通过包含以客户为中心的特征提供了丰富的信息源。我们开发了该基准，允许对各种机器学习模型进行全面评估，促进对其在预测欺诈活动中的优势和劣势的更深入理解。通过这项工作，我们寻求弥合数据可用性方面的现有差距，为研究人员和从业者提供宝贵的资源，以赋能下一代欺诈检测技术的开发。