文献

J-GLOBAL ID：202102249894773835   整理番号：21A0230948

オートエンコーダによる信用カード不正リスクの管理:(ICPAI2020)【JST・京大機械翻訳】

Managing Credit Card Fraud Risk by Autoencoders : (ICPAI2020)

著者 (1件)： Chang Chien-Hung (Providence University,Department. of Financial Engineering,Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICPAI  ページ： 118-122  発行年： 2020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： 本論文では,単に二値分類器モデルを提供する代わりに,信用カード fraudに関するリスク制御フレームワークを導入した。異常検出手法を採用して,訓練されたオートエンコーダの再構成誤差の異常値として不正事象を同定した。訓練されたオートエンコーダは,正常なトランザクションと不正行動に関する不均一挙動に関して,良い適応性とロバスト性を示した。偽陽性正常取引のコストを制御して,偽陰性 fraudの損失は,正常取引に関する訓練した自動符号器の再構成誤差のパーセンタイルから閾値によって評価することができた。経済的および財政的推定のリスク評価を整列させるために,リスク管理者はリスク制御要求を満たすために閾値を調整することができる。閾値として95パーセンタイルを用いて,誤検出正常トランザクションの率は5%で制御され,真の陽性率は86%であった。99パーセンタイル閾値に対して,十分に制御された偽陽性率は,真の検出 fraud活動に対して,約1%および83%であった。偽陽性率と真の陽性率の性能は,他の教師つき学習アルゴリズムと競合する。Copyright 2021 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： アルゴリズム ,  適応性 ,  教師つき学習 ,  符号器 ,  再構成 ,  *異常値 ,  ロバスト性 ,  リスク評価
準シソーラス用語： 異常検出 ,  偽陰性 ,  偽陽性率 ,  リスクコントロール ,  *自己符号化器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： オートエンコーダ ,  信用 ,  カード ,  リスク