基于GAN的欺诈检测合成数据生成
机器学习
2021-09-28 v1 密码学与安全
摘要
随着消费者向线上渠道迁移，赌博行业检测洗钱行为变得愈发困难。尽管多年来为防止赌博洗钱已实施日益严格的监管，但线上赌博仍是犯罪分子洗白犯罪所得的一个渠道。伴随线上赌博的发展，相较于传统实体形式赌博，其影响引发更多担忧，因其即时交互的线上赌博体验特性可能带来更高水平的问题赌博或欺诈行为。然而，多数情况下组织在应对这些领域时的主要问题是缺乏高质量数据。由于欺诈检测相关问题面临显著的类不平衡问题，本文提出一种基于生成对抗网络（GANs）生成合成数据以训练有监督分类器的新型系统。我们的框架合成数据生成GAN（SDG-GAN）在基准数据集与真实世界赌博欺诈数据集上均优于基于密度的过采样方法，并提升了分类性能。
引用
@article{arxiv.2109.12546,
title = {Synthetic Data Generation for Fraud Detection using GANs},
author = {Charitos Charitou and Simo Dragicevic and Artur d'Avila Garcez},
journal= {arXiv preprint arXiv:2109.12546},
year = {2021}
}
备注
8 pages