尼日利亚金融 sector 中的信用卡欺诈检测：基于 TensorFlow 的无监督异常检测技术、Autoencoder 与 PCA 算法比较

信用卡欺诈是尼日利亚金融部门的主要关注议题，影响每秒数百笔交易，并对国际电子商务产生负面影响。尽管线上营销迅速普及和采用，但数百万尼日利亚人因欺诈限制措施被阻止在国外进行当地信用卡交易。目前，存在众多技术用于检测欺诈交易，其中一些技术被尼日利亚金融机构采纳用于主动管理局面。欺诈检测允许机构限制犯罪分子并通过集中银行身份管理系统（如尼日利亚中央银行使用的银行验证号码），追踪并冻结盗用他人身份的犯罪分子账户。本文旨在比较两种被预测可完全独立于人工干预以预测和检测信用卡欺诈交易的技术。Autoencoder 作为一种基于 TensorFlow 的无监督异常检测技术通常在降维方面优于主成分分析（PCA），该理论在尼日利亚信用卡交易数据上进行了测试。结果表明，Autoencoder 更适合分析复杂且大规模的数据集，并比 PCA 算法提供更可靠的结果，误标更少。