文献

J-GLOBAL ID：201802290146457982   整理番号：18A1046734

クレジットカード不正検出における敵対学習への利用者アプローチ【JST・京大機械翻訳】

A utilitarian approach to adversarial learning in credit card fraud detection

著者 (3件)： Cody Tyler (Department of Systems and Information Engineering, University of Virginia) ,  Adams Stephen (Department of Systems and Information Engineering, University of Virginia) ,  Beling Peter A. (Department of Systems and Information Engineering, University of Virginia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SIEDS  ページ： 237-242  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クレジットカードの不正検出は,フレームスタと不正検出機構の間の敵のゲームとしてモデル化できる。これまでの研究では,最も成功した戦略をモデル化するためにゲーム理論的な敵学習アプローチを使用し,fraud検出システムを先制的に適応させる。ゲームは,戦略の敵の選択と再訓練のための不正検出システムの決定から成る。以前の研究において,検出システムはゲームのあらゆるラウンドで再訓練される。応用において,新しいモデルを訓練し展開することに関連するコストとリスクがある可能性がある。したがって,期待される経済的なditilityに基づいてモデルを再訓練するかどうかの決定を最適化することが望ましい。本研究では,新しい分類器と古い分類器の経済的価値を比較することにより,分類器を再訓練するかどうかを最適に決定するために,この要求に取り組んだ。意思決定理論からのフレームワークを信用カードfraudの文脈の中で引き出した。さらに,経済用語における最良の枠組み戦略を同定するために,効用関数をどのように用いることができるかを示した。著者らは,経済的に有利であり,経済的コストに関する不正戦略を判断するとき,再訓練のための理論的枠組みを含むために,以前の研究で開発された敵の学習モデルを拡張することによって,文献に追加した。著者らのアプローチを,常に再訓練し,再訓練するための決定に対して試験した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  学習モデル ,  モデリング ,  *クレジットカード ,  ゲーム ,  効用関数 ,  *学習 ,  ゲーム理論
準シソーラス用語： 意思決定論 ,  経済的価値 ,  検知システム ,  *不正検出 , 【Automatic Indexing@JST】

分類 (2件)： ゲーム理論  (KA03060T) ,  データ保護  (JD01020V)

タイトルに関連する用語 (5件)： クレジットカード ,  不正検出 ,  敵対 ,  学習 ,  利用者