Towards effective and robust bank fraud detection thanks to machine learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the increasing digitalization of our world and the digital storage of our information, we have witnessed a proliferation of fraudulent activities, of which credit card fraud remains the most prominent. Detecting credit card fraud is, therefore a major issue. Although extensive research has been conducted to counter credit card fraud, these frauds are increasingly evolving and complex to detect, hence the need for innovative solutions. Our solution aims to provide a robust and efficient fraud framework, capable of adapting to new threats such as adversarial attacks. We also studied the impact of data imbalance and adversarial attacks on model performance. To build our solution, we used two public datasets. The first step is to resolve the imbalance in our datasets using techniques such as Synthetic Minority Over-sampling (SMOTE) and Generative Adversarial Network (GAN). To further enhance the diversity of our datasets, we used two Autoencoders to generate more synthetic data. At this stage, we used five algorithms to test the performance of our models on both datasets, with XGBoost and Random Forest having the best performance. XGBoost has a recall score of 99.98% and an F1score of 99.98% on the first dataset, similar results are observed on the second dataset. The final step is to implement an adversarial attack, which resulted in a decrease on average of the recal performance metric of 15.77% on the first dataset and 20.22% on the second dataset. To counter this attack, we used the adversarial training method and found an average improvement of the recall score of 14.02% on the first dataset and 17.45% on the second dataset.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle