生成合成交易画像
机器学习
2022-01-19 v2 人工智能
摘要
金融机构在众多银行应用中使用客户的支付交易数据。交易数据极具个人性，富含行为模式，往往为个体所独有，在某些情况下使其等同于个人可识别信息。本文中，我们利用机器学习技术生成合成交易画像，目标是同时保护数据效用与隐私。我们面临的一项挑战是处理稀疏向量，因为客户使用的消费类别相较于所有可用类别而言很少。我们通过计算银行业常用的洞察指标，在原始数据集与合成数据集上衡量数据效用。我们的方法表明，神经网络模型能够在此类情境下生成有价值的合成数据。最后，我们尝试了隐私保护技术，并观察了其对模型性能的影响。
引用
@article{arxiv.2111.01531,
title = {Generating synthetic transactional profiles},
author = {Hadrien Lautraite and Patrick Mesana},
journal= {arXiv preprint arXiv:2111.01531},
year = {2022}
}