基于深度学习的金融欺诈检测年度进展：一项系统性文献综述
机器学习
2025-07-31 v2 人工智能
统计金融
摘要
本文系统性地综述了深度学习技术在金融欺诈检测这一金融领域关键问题上的进展。采用Kitchenham系统性文献综述方法，分析了2019年至2024年间发表的57项研究。综述重点阐述了卷积神经网络、长短期记忆网络和Transformer等多种深度学习模型在信用卡交易、保险理赔和财务报表审计等领域的有效性，并评估了精确率、召回率、F1分数和AUC-ROC等性能指标。探讨的关键主题包括数据隐私框架的影响以及特征工程和数据预处理的进展。研究强调了数据集不平衡、模型可解释性和伦理考量等挑战，以及自动化和隐私保护技术（如区块链集成和主成分分析）带来的机遇。通过审视过去五年的趋势，本综述识别了深度学习在金融欺诈检测中应用的关键空白和有前景的方向，为研究人员和从业者提供了可操作的见解。
引用
@article{arxiv.2502.00201,
title = {Year-over-Year Developments in Financial Fraud Detection via Deep Learning: A Systematic Literature Review},
author = {Yisong Chen and Chuqing Zhao and Yixin Xu and Chuanhao Nie and Yixin Zhang},
journal= {arXiv preprint arXiv:2502.00201},
year = {2025}
}