Ансамблевий метод для виявлення шахрайства в транзакціях

Анотація

У сучасному світі банківське шахрайство стало однією зі значущих загроз фінансовій стабільності та безпеці клієнтів фінансових установ. Розвиток технологій, зокрема в галузі машинного навчання, відкриває широкі можливості для побудови ефективних систем виявлення та запобігання шахрайству в банківській сфері.

Виявлення шахрайських транзакцій є важливим завданням, що потребує продуманих та технологічних рішень. Одним з таких методів є використання підходів та методів машинного навчання.

В даній роботі пропонується використання ансамблевого методу, який поєднує одразу кілька моделей машинного навчання. Такий підхід дозволить зменшити ймовірність помилкових спрацювань та підвищити точність класифікації. Окрім цього для оптимальної роботи моделі буде проведений препроцесинг даних, зокрема їх нормалізація, балансування класів а також вибір ознак. В ході дослідження важливо не лише досягти високої точності, а й якомога сильніше зменшити кількість шахрайських транзакцій, що будуть помилково класифіковані як нормальні. Це пов’язано з бізнес вимогами банківської сфери, оскільки кожна така транзакція завдає втрат репутації системи а також безпосередньо фінансових збитків.

У рамках дослідження обгрунтовано, що використання даного підходу дає кращі результати класифікації, ніж одиночні моделі завдяки компенсації недоліків кожної з них. Вибір даного підходу зумовлений також високою практичністю, сумісністю з фінансовими системами а також простотою інтеграції.

В даній роботі проведено аналіз запропонованої моделі, її переваги та недоліки у порівнянні з аналогами. Ансамблевий метод допомагає поєднати переваги простих моделей та зменшити вплив їхніх недоліків на кінцевий результат. В загальному, вибір програмного забезпечення повинен залежати від технічних вимог проекту і для отримання кращих результатів слід аналізувати різні моделі та підходи.