高级支付安全系统：XGBoost、LightGBM 与 SMOTE 集成
密码学与安全
2024-11-13 v3 人工智能
机器学习
摘要
随着各种线上和移动支付系统的兴起，交易欺诈已成为金融安全的重大威胁。本研究探讨了基于 XGBoost 和 LightGBM 的先进机器学习模型，以开发更准确和稳健的支付安全保护模型。为提高数据可靠性，我们细致处理数据源，并应用 SMOTE（合成少数类过采样技术）以解决类别不平衡问题并提高数据表征。通过选择高度相关的特征，我们旨在强化训练过程并提升模型性能。我们对提出的模型进行了详尽的性能评估，将其与包括随机森林、神经网络和逻辑回归在内的传统方法进行比较。使用精确率、召回率和 F1 分数等指标，我们严格评估了其有效性。我们的详细分析和比较表明，SMOTE 与 XGBoost 和 LightGBM 的组合提供了一种高效且强大的支付安全保护机制。此外，XGBoost 和 LightGBM 在局部集成模型中的集成进一步显示出卓越的性能。融合 SMOTE 后，新的组合模型相较于传统模型提升约 6%，相较于子模型提升约 5%，展现出显著的成果。
引用
@article{arxiv.2406.04658,
title = {Advanced Payment Security System:XGBoost, LightGBM and SMOTE Integrated},
author = {Qi Zheng and Chang Yu and Jin Cao and Yongshun Xu and Qianwen Xing and Yinxin Jin},
journal= {arXiv preprint arXiv:2406.04658},
year = {2024}
}
备注
This paper is received by https://ieee-metacom.org