文献

J-GLOBAL ID：202202213566331361   整理番号：22A0780827

改良型信用カード不正検出のための特徴工学によるニューラルネットワークアンサンブル【JST・京大機械翻訳】

A Neural Network Ensemble With Feature Engineering for Improved Credit Card Fraud Detection

著者 (5件)： Esenogho Ebenezer (Department of Electrical and Electronic Engineering Science, Center for Telecommunications, University of Johannesburg, Johannesburg, South Africa) ,  Mienye Ibomoiye Domor (Department of Electrical and Electronic Engineering Science, University of Johannesburg, Johannesburg, South Africa) ,  Swart Theo G. (Department of Electrical and Electronic Engineering Science, Center for Telecommunications, University of Johannesburg, Johannesburg, South Africa) ,  Aruleba Kehinde (School of Informatics, University of Leicester, Leicester, U.K.) ,  Obaido George (Department of Computer Science and Engineering, University of California at San Diego, San Diego, CA, USA)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 16400-16407  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 電子商取引と通信システムにおける最近の進展は,オンラインと規則的取引の両方に対する信用カードの使用を著しく増大している。しかし, fraud credit信用カード取引の安定した上昇があり,毎年金融会社が巨大な損失を費やしている。効果的な不正検出アルゴリズムの開発は,これらの損失を最小化するのに不可欠であるが,ほとんどの信用カードデータセットは高度に不均衡であるため,挑戦的である。また,信用カード不正検出のための従来の機械学習アルゴリズムを用いて,出力ベクトルに対する入力ベクトルの静的マッピングを含む,それらの設計により非効率である。したがって,それらは信用カードクライアントの動的ショッピング挙動に適応できない。本論文では,ニューラルネットワークアンサンブル分類器とハイブリッドデータ再サンプリング法を用いて信用カード fraudを検出する効率的手法を提案した。適応ブースティング(AdaBoost)技法におけるベース学習者として,長い短期メモリ(LSTM)ニューラルネットワークを用いてアンサンブル分類器を得た。一方,ハイブリッド再サンプリングを,合成少数オーバーサンプリング技術と編集最近傍(SMOTE-ENN)法を用いて達成した。提案した方法の有効性を,公的に利用可能な実世界信用カード取引データセットを用いて実証した。提案アプローチの性能を次のアルゴリズムに対してベンチマークした:サポートベクトルマシン(SVM),多層パーセプトロン(MLP),ディシジョンツリー,伝統的AdaBoost,およびLSTM。実験結果は,再サンプルデータで訓練するとき,分類器がより良く機能し,提案したLSTMアンサンブルが,それぞれ,0.996と0.998の感度と特異性を得ることによって,他のアルゴリズムより優れていることを示した。Copyright 2022 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 ,  記憶装置 ,  ベクトル ,  購買 ,  ディシジョンツリー ,  *集合 ,  ベンチマーク ,  多層パーセプトロン ,  機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： オーバサンプリング ,  学習者 ,  リサンプリング ,  ブースティング ,  オンライン , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 信用 ,  カード ,  不正検出 ,  工学