文献

J-GLOBAL ID：202202272080389835   整理番号：22A0807380

ハイブリッドアンサンブルモデルを用いた行動パターンモデリングによる信用カード不正検出【JST・京大機械翻訳】

Credit Card Fraud Detection by Modelling Behaviour Pattern using Hybrid Ensemble Model

著者 (3件)： Karthik V. S. S. (Indian Institute of Information Technology, Tiruchirappalli, India) ,  Mishra Abinash (Machine Learning and Data Analytics Lab, National Institute of Technology, Tiruchirappalli, India) ,  Reddy U. Srinivasulu (Machine Learning and Data Analytics Lab, National Institute of Technology, Tiruchirappalli, India)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 2  ページ： 1987-1997  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 銀行組織の不正検出システムは,不正取引を識別するためのデータ駆動アプローチに依存する。リアルタイムにおいて,各およびあらゆる不正取引の検出は,金融機関がデータマイニングタスクを実行するためのログデータ上で走る攻撃的ジョブを必要とするので,挑戦的なタスクになる。本論文では,ブースティングやバギングなどのアンサンブル学習技術を組み合わせた信用カード不正検出のための新しいモデルを紹介した。本モデルは,バギングとブースティングアンサンブル分類器のハイブリッドモデルを構築することによって,両方の技術の重要な特性を組み込んだ。ブラジルの銀行データとUCSD-FICOデータに関する実験は,データ不均衡の問題がハイブリッド戦略によって扱われるので,非Se fraudな不正取引の検出において,最先端のものを超える sさを示す。提案手法は,最先端技術からの曲線の下の真の陽性率,偽陽性率,真の陰性率,偽陰性率,検出率,精度,および面積に関して,それぞれ,1.00のMatthews相関で,真の陽性率,偽陽性率,真の陰性率,偽陰性率,検出率,精度,および面積に関して,それぞれ43.35~68.53,0.695~11.67,43.34~68.52,42.57~63.75,3.5~13.06,24.58~34.35%のマージンによって性能が優れていた。同時に,現在のアプローチは,それぞれ,0.6650の検出率と99.18%の精度を有する最先端の技術から,偽陽性率,真の陰性率,およびMatthews相関に関して,それぞれ,0.6~24.74,0.8~24.80,10~17.00%の範囲で改善を与える。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 銀行 ,  金融機関 ,  データ ,  精度 ,  *モデリング ,  *集合 ,  機械学習 ,  データマイニング ,  サイバー攻撃
準シソーラス用語： アンサンブル学習 ,  ブースティング ,  陽性率 ,  ハイブリッドモデル ,  検出率 ,  データ駆動 ,  偽陽性率 , 【Automatic Indexing@JST】

著者キーワード (6件)： データ不均衡 ,  経験的リスク ,  アンサンブル学習 ,  ハイブリッドアンサンブル ,  バギング ,  ブースティング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： アンサンブルモデル ,  行動パターン ,  モデリング ,  信用 ,  カード ,  不正検出