Нейросеть и логистическая регрессия: новый метод распознавания банковского мошенничества
В новом исследовании, опубликованном на arXiv, рассматривается использование искусственного интеллекта для распознавания мошеннических банковских операций. Авторы отмечают, что после пандемии COVID-19 многие финансовые операции ушли в онлайн, чем активно пользуются злоумышленники, в том числе через поддельные благотворительные фонды.
Ученые сосредоточились на алгоритмах машинного обучения как инструменте анализа и распознавания подозрительных транзакций. Научная новизна работы заключается в разработке моделей для поиска мошеннических операций и методов предобработки банковских данных для сравнения и выбора лучших результатов.
Особое внимание авторы уделили повышению точности обнаружения: работе со сильно несбалансированными наборами данных, преобразованию признаков и их инженерии. Эти этапы помогают алгоритмам не пропускать редкие случаи мошенничества и снижать число ложных срабатываний.
Предложенная модель на основе искусственной нейронной сети заметно улучшила точность выявления подозрительных операций. При этом авторы визуализировали результаты работы разных алгоритмов. Лучшей среди отдельных моделей оказалась логистическая регрессия с показателем AUC около 0,946.
Дальнейшее улучшение дало объединение моделей — метод стекового обобщения. Он показал AUC 0,954, что свидетельствует о более высокой способности различать мошеннические и обычные транзакции. Таким образом, комбинирование алгоритмов может стать практичным решением для банков.
Авторы подчеркивают, что распознавание банковского мошенничества с помощью ИИ остается актуальной задачей цифрового общества. Предложенные методы могут быть использованы для повышения безопасности онлайн-платежей и защиты пользователей от финансовых потерь.
