电子商务中的信用卡欺诈检测：一种离群点检测方法

诸如欺诈与垃圾信息检测等任务所面临的挑战通常在于缺乏训练合适监督学习模型所需的全部可能模式。当欺诈模式不仅稀少且随时间变化时，该问题更加突出。欺诈模式的改变是因为欺诈者不断发明规避防欺诈措施的新手段。有限的数据与持续变化的模式使学习变得十分困难。我们假设良好行为不随时间改变，且代表良好行为的数据点在不同分组下具有一致的空间特征。基于该假设，我们提出一种方法，通过使用聚类集成对每个数据点赋予一致性分数来检测大型数据集中的离群点。我们的主要贡献是提出了一种可检测大型数据集中离群点且对模式变化具有鲁棒性的新方法。我们还论证了 ROC 曲线下面积虽为常用的离群点检测方法评估指标，却并非恰当的指标。由于离群点检测问题存在类别不平衡分布，精确率-召回率曲线更为合适，因为精确率将假阳性与真阳性（离群点）而非真阴性（正常点）比较，从而不受类别不平衡问题影响。我们通过实验表明精确率-召回率曲线下面积作为评估指标优于 ROC。所提方法在修改后的 Landsat 卫星数据集、修改后的 ann-thyroid 数据集以及通过 Kaggle 获取的大型真实世界信用卡欺诈检测数据集上进行了测试，相较基线方法均有显著提升。