基于多视角HMM的特征工程用于信用卡欺诈检测
机器学习
2019-06-12 v1 人工智能
密码学与安全
机器学习
摘要
机器学习和数据挖掘技术已被广泛用于检测信用卡欺诈。然而，大多数研究将信用卡交易视为孤立事件，而非交易序列。在本文中，我们从三种不同视角对信用卡交易序列进行建模，即 (i) 该序列是否包含欺诈？(ii) 该序列是通过固定持卡人还是支付终端获得的？(iii) 它是消费金额的序列还是当前与前一笔交易之间经过时间的序列？这三种二值视角的组合从（训练）交易集中给出八组序列。每一组都用隐马尔可夫模型（HMM）建模。每个 HMM 在给定先前交易序列的情况下为某笔交易关联一个似然值。这些似然值被用作随机森林（Random Forest）分类器中用于欺诈检测的附加特征。这种基于多视角 HMM 的方法实现了自动特征工程，以针对分类任务对数据集的序列性质进行建模。与信用卡欺诈检测中最先进的特征工程策略相比，该策略使精确率-召回率 AUC 提高了 15%。
引用
@article{arxiv.1905.06247,
title = {Multiple perspectives HMM-based feature engineering for credit card fraud detection},
author = {Yvan Lucas and Pierre-Edouard Portier and Léa Laporte and Olivier Caelen and Liyun He-Guelton and Sylvie Calabretto and Michael Granitzer},
journal= {arXiv preprint arXiv:1905.06247},
year = {2019}
}
备注
Presented as a poster in the conference SAC 2019: 34th ACM/SIGAPP Symposium on Applied Computing in April 2019