使用以 GRU 为核心的夹心结构模型进行交易欺诈检测
密码学与安全
2018-03-20 v3 机器学习
摘要
互联网和移动计算等现代技术的快速增长带来了电子商务支付的急剧增加，以及交易欺诈的爆发。同时，欺诈者不断精炼其伎俩，使得基于规则的欺诈检测系统难以应对不断变化的欺诈模式。许多数据挖掘和人工智能方法已被提出用于识别大型交易数据集中的微小异常，在一定程度上提高了检测效率。然而，始终存在一种矛盾：大多数方法与交易序列无关，而序列相关的方法通常不能很好地学习单笔交易层面的信息。本文提出了一种新的“内部->之间->内部”夹心结构序列学习架构，按恰当顺序堆叠集成方法、深度序列学习方法和另一顶层集成分类器。此外，还引入了注意力机制以进一步提升性能。已表明该结构中的模型在诸如欺诈检测的场景中非常高效，其中信息序列由具有复杂互联特征的向量组成。
引用
@article{arxiv.1711.01434,
title = {Transaction Fraud Detection Using GRU-centered Sandwich-structured Model},
author = {Xurui Li and Wei Yu and Tianyu Luwang and Jianbin Zheng and Xuetao Qiu and Jintao Zhao and Lei Xia and Yujiao Li},
journal= {arXiv preprint arXiv:1711.01434},
year = {2018}
}
备注
accepted by cscwd2018