基于子空间学习的一类分类的信用卡欺诈检测

Sep, 2023

基于子空间学习的一类分类的信用卡欺诈检测

Credit Card Fraud Detection with Subspace Learning-based One-Class Classification

Zaffar Zaffar, Fahad Sohrab, Juho Kanniainen, Moncef Gabbouj

TL;DR利用基于子空间学习的 OCC 算法来处理信用卡欺诈检测的挑战，解决数据高度不平衡和维度灾难问题，减少欺诈交易带来的财务损失。

Abstract

In an increasingly digitalized commerce landscape, the proliferation of credit card fraud and the evolution of sophisticated fraudulent techniques have led to substantial financial losses. automating credit card fraud d

credit card fraud detection automating subspace learning-based approaches one-class classification imbalanced data distributions

发现论文，激发创造

信誉度评估：一种单类分类方法

在本研究中，我们使用各种 OCC 模型对 X 用户进行分类，并提出了一种基于子空间学习的方法来同时优化子空间和数据描述。我们还引入了一种新的正则化项，用于表达在一个捕捉多样图结构的低维子空间中的数据集中度。实验结果显示，与基准模型和现有最新技术相比，SSVDD 的引入的正则化项具有优越的性能，适用于 X 用户分类。

Feb, 2024

基于流式主动学习策略的信用卡实时欺诈检测：评估与可视化

本文研究了信用卡欺诈检测的问题，提出了一些主动学习的策略，并比较了不同的查询标准，强调了在欺诈检测中主动学习存在探索 / 开发的权衡。

Apr, 2018

一类分类：综述

本文对一类分类的经典统计方法和最新深度学习方法进行了综述，探讨了现有方法的优缺点并指出了未来研究的方向，并讨论了一般所使用的数据集和评估指标。

Jan, 2021

基于深度神经网络和 K - 最近邻的信用卡欺诈检测组合

该论文介绍了一种基于欠采样算法、K 最近邻算法和深度神经网络的新技术，用于识别信用卡欺诈交易，并通过表现评估表明，DNN 模型具有高精度（98.12%），具有较好的欺诈交易检测能力。

May, 2022

使用增强随机森林分类器检测不平衡数据中的信用卡欺诈

本论文研究了信用卡欺诈检测的难点 - 数据集不平衡的问题，采用随机森林算法和合成少数过采样技术（SMOTE）以提高欺诈检测的准确性，在信用卡交易数据集上实验，成功实现了欺诈检测的 98% 准确率。

Mar, 2023

使用 Bfloat 16 在信用卡欺诈检测中训练机器学习算法以增加可扩展性的新方法

本研究着重研究使用机器学习检测银行信用卡欺诈的可扩展性。我们比较了现有的机器学习算法和方法与新提出的技术，并证明采用较少的比特数来训练机器学习算法将导致一个更具可扩展性，时间和成本更少的系统。

Jun, 2022

一类分类的关键评审：最新进展及其背后的现实

对一类分类（OCC）进行全面回顾，检查其实现中所采用的技术和方法，探讨了在不同数据类型（如特征数据、图像、视频、时间序列等）中用于 OCC 的各种方法。通过系统回顾，综合总结了自 OCC 起始到目前的主要策略，重点关注了有前景的应用。此外，该文章批评了主导一类实验的最新图像异常检测（AD）算法，如离群值暴露（二分类）和预训练模型（多分类），与从单一类别中学习的基本概念相冲突。我们的调查表明，用于一类 CIFAR10 基准测试的前九个算法并非 OCC。我们认为二分类 / 多分类算法不应该与 OCC 进行比较。

Apr, 2024

可解释人工智能与基于因果推断的 ATM 诈骗检测

使用机器学习技术和过采样技术来识别银行 ATM 诈骗交易，并引入可解释的人工智能和因果推断来进行进一步研究。

Nov, 2022

基于子空间学习的高光谱图像单类分类分析

本研究提出一种基于子空间学习的单类分类技术，能够对高光谱数据进行有效分类，具有对付高维度和标签不平衡问题的能力。

Apr, 2023

探索异常检测的单类分类优化目标

通过优化目标空间内的规范来改进异常检测，研究发现可以使用适当规范的任何空间作为等效替代，无需依赖于训练样本分布假设，提出了一种简单且与数据无关的深度单类分类方法。

Aug, 2023