共查询到17条相似文献,搜索用时 78 毫秒
1.
毛铭泽 《数字社区&智能家居》2021,(2):194-196
信用卡欺诈检测是一个重要的问题,为了提升对于真实世界的信用卡欺诈数据的识别率,提出了一种混合的信用卡欺诈检测模型AWFD(Anomaly weight of credit card fraud detection),首先通过异常检测的方法将数据划分为可信和异常数据,然后利用半监督的方法训练一个集成模型,最终再利用异常检... 相似文献
2.
基于支持向量机的信用卡欺诈检测 总被引:2,自引:0,他引:2
研究信用卡安全优化设计问题,信用卡欺诈数据具有高维数和稀疏性,由于欺诈样本数据的冗余特征,导致传统检测方法不能很好的识别信用卡欺诈行为,导致检测准确率低.为了提高信用卡欺诈检测准确率,提出一种支持向量机的信用卡欺诈检测方法.首先用采样来的信用卡消费数据训练好一个支持向量机检测系统,然后用支持向量机检测系统对一父信用卡消费行为进行检测,判断是否为欺诈交易行为.对某商业银行的信用卡消费情况进行测试实验,实验结果显示,采用支持向量机的信用卡欺诈检测精度达到95%以上,且检测时间只有0.565秒,说明提出的检测是一种有效的信用卡检测方法. 相似文献
3.
4.
信用卡欺诈活动日益猖獗,如何增强欺诈检测能力来规避持卡客户、商家等的经济损失是电子商务发展中至关重要的问题.给出了一个基于事中反馈的信用卡欺诈检测解决方案,其将数据挖掘技术和反馈控制技术联合运用实现实时欺诈检测及防控,以增强欺诈检测能力来减少经济损失. 相似文献
5.
随着我国信用卡发卡量和交易量的不断增长,信用卡交易中的欺诈交易也急剧上升。如何加强对信用卡欺诈的识别和防范,已成为银行风险控制的一个焦点。本文针对信用卡交易数据中欺诈行为的少量性和异常性,提出了一种基于相似系数和的孤立点检测建模方法,建立了信用卡欺诈检测模型,将孤立点挖掘方法应用到信用卡欺诈检测中,并通过实验研究表明该模型能较为准确的识别欺诈交易,具有很好的准确性,可行性。 相似文献
6.
7.
8.
针对信用卡欺诈检测中样本数据规模大, 计算复杂程度高, 数据分布极度不平衡等问题, 提出卷积神经网络(CNN)结合大规模信用卡交易数据进行欺诈检测, 同时为了解决交易数据的极端不平衡性问题, 使用K-means算法进行聚类, 结合支持向量机合成少数类过采样技术(SVMSMOTE)增加少数类样本数量, 最终构建一个KM-SVMSMOTE-CNN的信用卡交易欺诈预测模型. 选取Kaggle平台上发布的信用卡欺诈数据进行验证, 实验结果表明, 基于KM-SVMSMOTE-CNN的融合模型从整体上大大提高了信用卡欺诈检测的识别率. 相似文献
9.
花蓓 《计算机工程与设计》2008,29(11):2989
针对分类预测建模数据的非对称性,提出一种基于神经网络和决策树技术结合的非对称性数据集合预测分类建模方法,建立了信用卡审批模型.结果表明:增加预测类标识决策属性后,在用不同比例的建模数据集建立的所有模型中,比例为33.33%:66.67%的数据集建立的神经网络模型最好,模型的准确率达到88.49%. 相似文献
10.
基于组合分类器的信用卡欺诈识别研究 总被引:2,自引:0,他引:2
童凤茹 《计算机与信息技术》2006,(7)
随着我国信用卡发卡量和交易量的不断增长,信用卡交易中的欺诈交易也呈现出上升趋势。如何较早的识别欺诈交易,将成为金融业普遍关注的一个重要问题。本文提出了一种基于AdaBoost组合分类器的信用卡欺诈识别模型,并通过实证研究证明模型能较为准确的识别欺诈交易。 相似文献
11.
Because credit card fraud costs the banking sector billions of dollars every year, decreasing the losses
incurred from credit card fraud is an important driver for the sector and end-users. In this paper, we
focus on analyzing cardholder spending behavior and propose a novel cardholder behavior model
for detecting credit card fraud. The model is called the Cardholder Behavior Model (CBM). Two focus
points are proposed and evaluated for CBMs. The first focus point is building the behavior model
using single-card transactions versus multi-card transactions. As the second focus point, we introduce
holiday seasons as spending periods that are different from the rest of the year. The CBM is fine-tuned
by using a real credit card transaction data-set from a leading bank in Turkey, and the credit card fraud
detection accuracy is evaluated with respect to the abovementioned two focus points. 相似文献
12.
Credit Card Fraud Detection Using Hidden Markov Model 总被引:2,自引:0,他引:2
Srivastava A. Kundu A. Sural S. Majumdar A.K. 《Dependable and Secure Computing, IEEE Transactions on》2008,5(1):37-48
Due to a rapid advancement in the electronic commerce technology, the use of credit cards has dramatically increased. As credit card becomes the most popular mode of payment for both online as well as regular purchase, cases of fraud associated with it are also rising. In this paper, we model the sequence of operations in credit card transaction processing using a hidden Markov model (HMM) and show how it can be used for the detection of frauds. An HMM is initially trained with the normal behavior of a cardholder. If an incoming credit card transaction is not accepted by the trained HMM with sufficiently high probability, it is considered to be fraudulent. At the same time, we try to ensure that genuine transactions are not rejected. We present detailed experimental results to show the effectiveness of our approach and compare it with other techniques available in the literature. 相似文献
13.
14.
15.
采用神经网络模型研究信用风险评估问题,鉴于RBF神经网络计算量小、学习速度快,不易陷入局部极小而且具有很强的分类能力等优点,提出基于RBF神经网络的信用评估模型,通过试验该模型展现了良好的性能. 相似文献
16.
17.
Catherine Everett 《Computer Fraud & Security》2003,2003(5):1
The Internet is a fraudster’s charter that enables criminals to commit a cybercrime every 20 seconds, according to Steven Philippsohn, head of fraud litigation at solicitors, Philippsohn, Crawfords, Berwald. 相似文献