基于子空间学习的一类分类信用卡欺诈检测
机器学习
2023-09-27 v1
摘要
在日益数字化的商业环境中，信用卡欺诈的泛滥与复杂欺诈技术的演进已导致巨额财务损失。信用卡欺诈检测自动化是加速检测、缩短响应时间并最小化潜在财务损失的可行途径。然而，数据集高度不平衡（真实交易远多于欺诈交易）使该问题复杂化。此外，特征集中高维数引发“维数灾难”。本文研究以一类分类(One-Class Classification, OCC)算法为核心的子空间学习方法，此类算法擅长处理不平衡数据分布，并能预见和抵御尚待发明的欺诈技术所实施的交易。通过考察现有欺诈检测策略的局限与信用卡欺诈检测的具体挑战，本研究凸显了基于子空间学习的 OCC 算法的潜力。这些算法将子空间学习整合进数据描述中，从而将数据变换为针对 OCC 优化的低维子空间。经严谨实验与分析，本研究证实所提方法有助于应对维数灾难与信用卡数据不平衡性，实现自动欺诈检测以减轻欺诈活动造成的财务损失。
引用
@article{arxiv.2309.14880,
title = {Credit Card Fraud Detection with Subspace Learning-based One-Class Classification},
author = {Zaffar Zaffar and Fahad Sohrab and Juho Kanniainen and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2309.14880},
year = {2023}
}
备注
6 pages, 1 figure, 2 tables. Accepted at IEEE Symposium Series on Computational Intelligence 2023