Sep, 2010

基于数据挖掘的欺诈检测研究综述

PDF
TL;DR该论文对过去 10 年内关于自动化欺诈检测的技术和综述文章进行了分类、比较和总结。它定义了专业欺诈者，形式化了已知欺诈的主要类型和子类型，并呈现了受影响行业内所收集的数据证据的性质。在挖掘数据以实现更高成本节约的业务环境中，该研究提出了方法和技术，以及它们的问题。与所有相关的欺诈检测综述相比，该综述涵盖了更多的技术文章，并且是我们所知道的唯一一个提出了相关领域的替代数据和解决方案。
automated fraud detectionprofessional fraudsterdata evidencemining datatechnical articles
发现论文，激发创造
  • 欺诈分析：十年研究 -- 领域中的挑战和解决方案

    本文系统分析了 2011 年至 2020 年间近 300 篇有关欺诈分析的研究文献，总结了应用领域、面临的挑战、方法和绩效度量，并提出了未来研究的关键词策略和数据集要求。此外，本文提供了一个在线数据库，以帮助其他研究者进行进一步的研究。

    Dec, 2022

  • 基于大数据的机器学习和工程的电信欺诈分析

    电信行业因欺诈而在全球范围内损失了 463 亿美元。本文提出了一种工业化的解决方案，采用自适应数据挖掘技术和大数据技术来准确、高效和具有成本效益地检测欺诈，并发现新的欺诈模式。该解决方案已成功地检测出少于 5% 的虚假阳性的国际收入分成欺诈。本研究使用了一家有声望的批发运营商和海外电信中转运营商超过 1TB 的通话详单记录。

    Oct, 2023

  • 犯罪预测的数据挖掘技术的实证与实验洞察：综述

    对犯罪预测方法学进行了全面分析，包括统计方法、机器学习算法和深度学习技术，提出了方法学分类体系，并进行了实证评估和实验比较，以便全面了解犯罪预测算法，并展望了未来犯罪预测技术的发展和进一步研究的机会。

    Feb, 2024

  • 数据挖掘技术在全球恐怖袭击分析中的联合应用 —— 预防和预测打击恐怖主义

    本文通过数据挖掘分类技术分析了世界范围内恐怖袭击的趋势，讨论了联合国在反恐斗争中的作用。

    Jan, 2019

  • 基于事实核查的假新闻检测：综述

    该论文从任务和问题、算法策略和数据集的角度对基于事实的假新闻进行了综述和总结，包括任务定义和核心问题、现有的检测方法、经典和新提出的数据集以及已有方法的优势和劣势，并提出了该领域可能面临的若干挑战，期望为该领域的后续工作提供参考。

    Jan, 2024

  • 增强机器学习模型研究与评估的客户级诈骗活动检测基准

    为了推动机器学习研究并开发有效的反欺诈系统，欺诈检测领域需要全面且符合隐私规范的数据集。传统数据集往往关注交易级别的信息，忽视了对于检测复杂欺诈方案至关重要的更广泛的客户行为模式的背景。在这项研究中，我们引入了一个针对客户级欺诈检测的结构化数据集基准，不仅遵守严格的隐私指南以确保用户机密性，还通过封装以客户为中心的特征提供了丰富的信息源。通过这项工作，我们旨在弥补现有数据可用性方面的差距，为研究人员和实践者提供有价值的资源，推动下一代欺诈检测技术的发展。

    Apr, 2024

  • 教育数据挖掘与学习分析：一份更新的调查

    该研究综述了教育数据挖掘和学习分析在教育数据上的应用，并回顾了主要出版物、关键里程碑、知识发现周期、主要教育环境、特定工具、免费可用数据集、最常用的方法、主要目标和未来趋势。

    Feb, 2024

  • 现实世界欺诈检测中的对抗学习：挑战与前景

    本文探讨了对付欺诈检测系统的对抗攻击与对付其他机器学习应用的对抗攻击不同的原因，并就如何解决这一问题提出了建议。

    Jul, 2023

  • 期货市场欺诈的深度半监督异常检测

    使用深度半监督异常检测技术 Deep SAD，本研究旨在评估其在高频金融数据中检测欺诈行为的有效性，通过利用蒙特利尔的 TMX 交易所的专有限价订单簿数据和少量真实标记的欺诈实例，我们证明将少量标记数据融入无监督异常检测框架可以极大提高其准确性。

    Aug, 2023

  • 深度学习用于异常检测：调研

    本文针对深度学习异常检测问题进行了系统综述，将研究方法划分为不同的类别并探讨其在应用领域的适用性和效果，同时讨论了现有研究的局限性和未来研究的方向。

    Jan, 2019