传统上，检测欺诈保险索赔依赖于商业规则和专家判断，这使得过程耗时且昂贵。因此，研究人员一直在研究开发高效准确的分析策略来标记可疑索赔。然而，在开发欺诈检测模型时，我们面临几个挑战，如欺诈的罕见性导致高类别不平衡，只有少数索赔得到调查和标记，导致大量未标记数据，以及公开可用数据的缺乏。因此，我们设计了一个模拟机器，用于创建与实际保险欺诈数据集相似的具有网络结构和可用协变量的合成数据。此模拟引擎使研究人员和从业者可以在各种不同的设置中检验多种方法学挑战以及测试他们的保险欺诈检测模型的（开发策略），同时还可以生成大量的合成数据集以评估（高级）机器学习技术的预测性能。

Aug, 2023

本文利用顺丰速运提供的 2015 至 2017 年采购数据库，通过构建 9 个特征的神经网络模型，进行了采购诈骗的分类与检测，并测试了超过 50000 个样本，证明了这些模型在采购欺诈检测方面是有用的。

Apr, 2023

本研究旨在介绍利用深度混编技术进行欺诈性数据泄露的威胁模型，该模型可以将敏感会计数据隐藏在日常图像中，并且可以通过深度学习模型进行训练，而且可以规避当前的计算机辅助审计技术。本文在两个公开的实际支付数据集上进行了定量和定性的评估。

Dec, 2020

本研究使用长短时记忆模型 (LSTM) 和 TOPSIS 算法，基于关键的播放器、服务、架构和功能，识别并排名云 ERP 采纳特征。我们考虑了技术、创新和抵抗问题，对用户进行了定性调查，制定了关键采纳因素的假设。

Dec, 2022

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

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。

Sep, 2010

我们提出了一种使用机器学习和游戏化技术的意识系统，用于教育人们有关投资诈骗和陷阱的知识，旨在通过主动学习教育投资者来降低各国间的不平等，帮助监管机构确保一个公平、高效和包容的资本市场环境。

Aug, 2023

本文介绍了建立决策支持和优化工具来提高应急响应效率和有效性的关键挑战以及我们与社区合作开发的方法的概述。

Feb, 2022

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

本研究使用深度自编码神经网络进行高效的会计异常检测，实验结果表明，此方法在比基准方法下有更少的误报率且能捕捉高度相关的会计异常。

Sep, 2017