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

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

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

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

本文简要综述了现有的工作，并从解释性、公平性、鲁棒性和隐私保护的角度讨论了可信的异常检测的开放问题。

Feb, 2022

我们研究了构建数据集以了解组织活动和人类贩卖主题风险的挑战，包括数据稀缺性、迅速过时和隐私问题。我们开发了可重现和自动化的方法分析了五百万个广告，并在此过程中发现了在该敏感领域中创建数据集的进一步挑战。本文提出了一种简化的方法来帮助研究人员构建有效的数据集以打击有组织犯罪，使他们能够专注于提升检测技术。

May, 2024

洗钱是一个普遍存在的挑战，通过为非法活动提供资金而对社会构成负担。为了更有效地打击和检测洗钱行为，人们越来越多地利用网络信息进行研究，因为洗钱必然涉及到相互连接的各方。本文对现有文献进行了全面系统的审查，通过对 Web of Science 和 Scopus 数据库中的 97 篇论文进行鉴别和分析，建立了一个遵循 Bockel-Rickermann 等人的欺诈分析框架的方法分类体系。此外，本文还提出了一个综合性实验框架，在统一的环境中评估和比较了著名的网络分析方法的性能。该框架应用于公开可用的 Elliptic 数据集，实现了手动特征工程、基于随机游走的方法和深度学习 GNN 模型。从结果中我们得出结论，网络分析提高了反洗钱模型的预测能力，其中以图神经网络取得了最佳结果。我们提供了实验框架的开源实现，以便研究人员和从业人员可以在此基础上进行扩展和实验，并通过这些结果推动在反洗钱的网络分析中采用标准化的方法和评估体系。

May, 2024

通过设计两个新颖的仪表板结合各种最新的解释技术，帮助欺诈检测人员分析和理解预测结果，从而快速过滤潜在的欺诈案件。

Jun, 2018

通过系统审视 259 篇近 10 年来发表以及 2010 年前的代表性著作，我们构建了一个分类法，其中包括技术建模前、建模过程中以及建模后的三个一级类别；每个类别可以进一步分为具体的分析任务，并列举了一些最近具有影响力的作品。同时，我们还讨论和突出了有挑战和有前景的研究机会，这些对于视觉分析的研究者非常有用。

Aug, 2020

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