基于同态加密的隐私保护信用卡欺诈检测
密码学与安全
2022-11-15 v1 人工智能
摘要
信用卡欺诈是金融机构及其客户持续面临的问题，由欺诈检测系统加以缓解。然而，这些系统需要使用敏感的客户交易数据，这既给客户带来隐私缺失，也给卡片提供方带来数据泄露漏洞。本文提出一种利用同态加密对加密交易进行私有欺诈检测的系统。两个模型，XGBoost 和一个前馈分类神经网络，在明文数据上作为欺诈检测器进行训练。随后它们被转换为使用同态加密进行私有推理的模型。文中讨论了延迟、存储和检测结果，以及用例与部署可行性。XGBoost 模型性能更优，加密推理低至 6ms，而神经网络为 296ms。不过，神经网络实现仍可能更受青睐，因其更易于安全部署。我们还提供了该系统的代码库，用于仿真与进一步开发。
引用
@article{arxiv.2211.06675,
title = {Privacy-Preserving Credit Card Fraud Detection using Homomorphic Encryption},
author = {David Nugent},
journal= {arXiv preprint arXiv:2211.06675},
year = {2022}
}