文献

J-GLOBAL ID：202102267712362843   整理番号：21A2305773

不正検出における機械学習とニューラルネットワークモデルの比較【JST・京大機械翻訳】

Comparison of Machine Learning and Neural Network Models on Fraud Detection

著者 (3件)： Yan Tianyang (Lanzhou University,School of Mathematics and Statics,Lanzhou,China,730000) ,  Li Yuxin (University of California,College of Letter and Science,Santa Barbara,CA,US,93106) ,  He Jiaxu (University of California, Davis,School of Letter and Science,Davis,CA,US,95616)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICAICA  ページ： 978-980  発行年： 2021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： Fraud検出は,経済的損失を防止するために,大規模取引からの不正取引を決定することである。1日取引データにおける不正取引を同定できるモデルを作成するために,以前の fraud andと非fraの取引を学習して操作した。本論文では,クレジットカードのための不正取引検出を達成するために,4つの方法を使用した。それらは, pyとテンソル流,ランダムフォレスト,およびXGBoostに基づく深層ニューラルネットワーク(DNN)である。ランダムフォレストとXGBoost法は,データセットの特徴を分析し,決定するためにロジスティック回帰モデルを使用する。深層ニューラルネットワークでは,特徴を解析するために,pytochとテンソル流を用いた。不正取引のデータは,オンラインプラットフォームの取引ログから来る。データセットは,価値,プラットフォーム,カードタイプ,および各支払いを指定するための非常に詳細な情報を含む基本的取引の特徴を含んでいる。結果は,データ特徴に従ってパラメータを固定することが,異なる方法のAUC-ROCスコアを増加させることを示した。さらに,結果は, py detectionが不正検出のために他のすべての方法より高いスコアを有することを示した。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： テンソル ,  クレジットカード ,  *機械学習
準シソーラス用語： オンライン ,  ランダムフォレスト ,  *不正検出 ,  ディープニューラルネットワーク , 【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 (3件)： 不正検出 ,  機械学習 ,  ニューラルネットワークモデル