使用生成对抗网络改进信用卡欺诈交易检测

Hung Ba

使用生成对抗网络改进信用卡欺诈交易检测

机器学习 2019-07-09 v1 风险管理

作者: Hung Ba

摘要

在本研究中，我们采用生成对抗网络（GAN）作为一种过采样方法来生成人工数据，以辅助信用卡欺诈交易的分类。GAN 是一种基于博弈论思想的生成模型，其中生成器 G 和判别器 D 试图相互欺骗。生成器的目标是混淆判别器。判别器的目标是区分来自生成器的样本和来自原始数据集的样本。通过在信用卡欺诈交易集上训练 GAN，我们能够提高分类器的判别能力。实验结果表明，Wasserstein-GAN 在训练中更稳定，并且比其他 GAN 产生更真实的欺诈交易。另一方面，由 k-means 聚类设定标签的条件版 GAN 未必能改进非条件版 GAN。

关键词

信用卡欺诈检测生成对抗网络过采样 Wasserstein-GAN 类别不平衡 k-means 聚类

引用

@article{arxiv.1907.03355,
  title  = {Improving Detection of Credit Card Fraudulent Transactions using Generative Adversarial Networks},
  author = {Hung Ba},
  journal= {arXiv preprint arXiv:1907.03355},
  year   = {2019}
}

使用生成对抗网络改进信用卡欺诈交易检测

摘要

关键词

引用

相关论文