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

要約

デジタル化が進む商取引環境において、クレジットカード詐欺の蔓延と高度な詐欺技術の進化により、多額の経済的損失が発生しています。
クレジット カード詐欺の検出を自動化することは、検出を迅速化し、応答時間を短縮し、潜在的な経済的損失を最小限に抑えるための実行可能な方法です。
ただし、本物のトランザクションの数が不正なトランザクションの数を大幅に上回っている、データセットの非常に不均衡な性質により、この課題への対処は複雑になります。
さらに、特徴セット内の次元の数が多いと、「次元の呪い」が生じます。
この論文では、不均衡なデータ分布の処理に優れ、まだ発明されていない詐欺によって実行されるトランザクションを予測して対抗する機能を備えた、1 クラス分類 (OCC) アルゴリズムを中心とした部分空間学習ベースのアプローチを調査します。
テクニック。
この研究では、現在の不正検出戦略の限界とクレジット カード不正検出特有の課題を調査することで、部分空間学習ベースの OCC アルゴリズムの可能性を浮き彫りにしています。
これらのアルゴリズムは部分空間学習をデータ記述に統合します。
したがって、モデルはデータを OCC に最適化された低次元部分空間に変換します。
この研究では、厳密な実験と分析を通じて、提案されたアプローチが、不正行為による経済的損失を軽減するための自動不正検出のためのクレジット カード データの次元性と不均衡な性質の呪縛に対処するのに役立つことが検証されました。

要約(オリジナル)

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 detection is a viable way to accelerate detection, reducing response times and minimizing potential financial losses. However, addressing this challenge is complicated by the highly imbalanced nature of the datasets, where genuine transactions vastly outnumber fraudulent ones. Furthermore, the high number of dimensions within the feature set gives rise to the “curse of dimensionality’. In this paper, we investigate subspace learning-based approaches centered on One-Class Classification (OCC) algorithms, which excel in handling imbalanced data distributions and possess the capability to anticipate and counter the transactions carried out by yet-to-be-invented fraud techniques. The study highlights the potential of subspace learning-based OCC algorithms by investigating the limitations of current fraud detection strategies and the specific challenges of credit card fraud detection. These algorithms integrate subspace learning into the data description; hence, the models transform the data into a lower-dimensional subspace optimized for OCC. Through rigorous experimentation and analysis, the study validated that the proposed approach helps tackle the curse of dimensionality and the imbalanced nature of credit card data for automatic fraud detection to mitigate financial losses caused by fraudulent activities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google