用于欺诈检测的交错序列 RNN
机器学习
2020-06-18 v2 密码学与安全
机器学习
摘要
支付卡欺诈给全球银行和商户造成数十亿美元损失，且常助长复杂犯罪活动。为此，许多实时欺诈检测系统使用基于树的模型，需要复杂的特征工程系统以在毫秒级延迟要求下高效用历史数据丰富交易信息。在本工作中，我们通过使用循环神经网络并将支付视为交错序列（其中每张卡的历史是一个无界、不规则子序列）而无需那些昂贵特征。我们提出一个完整的 RNN 框架以实时检测欺诈，并给出从预处理到部署的高效 ML 流水线。我们表明这些无特征、多序列 RNN 优于最先进模型，在欺诈检测中节省数百万美元且使用更少计算资源。
引用
@article{arxiv.2002.05988,
title = {Interleaved Sequence RNNs for Fraud Detection},
author = {Bernardo Branco and Pedro Abreu and Ana Sofia Gomes and Mariana S. C. Almeida and João Tiago Ascensão and Pedro Bizarro},
journal= {arXiv preprint arXiv:2002.05988},
year = {2020}
}
备注
9 pages, 4 figures, to appear in SIGKDD'20 Industry Track