کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
552429 1451069 2015 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
APATE: A novel approach for automated credit card transaction fraud detection using network-based extensions
ترجمه فارسی عنوان
APATE: رویکرد نوین برای کشف کلاهبرداری تراکنش کارت اعتباری خودکار با استفاده از الحاقیات مبتنی بر شبکه
کلمات کلیدی
کارت اعتباری تقلب در معامله - تجزیه و تحلیل شبکه - گراف دو بخشی - یادگیری نظارت شده
فهرست مطالب مقاله
چکیده
کلیدواژه‌ها
1.مقدمه
شکل1. نمونه بازیچه‌ای شبکه تقلبی کارت اعتباری. وزن‌ها به ترسیم تاخر تراکنش‌ بین تاجر و دارنده کارت اعتباری می‌پردازند
2.تقلب در تراکنش‌ کارت اعتباری 
2.1. زمینه
2.2. فرایند کشف تقلب در کارت اعتباری 
2.3. آثار مربوط
شکل 2. فرایند کشف کارت اعتباری 
3.روش تحقیق پیشنهادی
3.1.استخراج ویژگی ذاتی
شکل 3. فرایند برآورد مجدد APATE درباره مدل‌های کشف با استفاده از پنجره لغزشی
جدول 1.خلاصه ویژگی‌های ورودی بر کوتاه (ST)، میان (MT) و بلند (LT) مدت.
جدول 2.تراکنش‌ها به ازاء هر منطقه و درصد کلاهبرداری.
3.2.استخراج ویژگی شبکه
3.2.1. تعریف شبکه
3.2.2. انتشار تقلب شبکه‌ای
3.2.3. استخراج ویژگی
4.نتایج
4.1.نتایج پیش‌بینی
4.2.اهمیت متغیر و تاثیر متغیر شبکه
جدول 3.مقایسه مدل‌ها.
شکل 4. منحنی ROC برای مدل‌های مختلف.
جدول 4.صحت و AUC (مجموعه آزمون) در 1% میزان مثبت کاذب حداکثری.
جدول 5.AUC برای زیرمجموعه‌های مختلف متغیرها.
شکل 5. منحنی ROC برای زیرمجموعه‌های متفاوت متغیرها.
5.نتیجه‌گیری
شکل 6. اهمیت هر متغیر برای جنگل تصادفی ساخته شده با استفاده از تمام متغیرهای موجود. 
ترجمه چکیده
در دهه اخیر، سهولت پرداخت آنلاین فرصت‌های جدید بسیاری برای بازرگانی الکترونیک ایجاد کرده است و محدوده‌های جغرافیایی را برای خرده‌فروشی کاهش داده است. در حالی که بازرگانی الکترونیک هنوز در حال کسب محبوبیت است، زمین‌بازی متقلبانی نیز هست که تلاش دارند از شفافیت خریدهای آنلاین و انتقال سوابق کارت اعتباری سوء استفاده کنند. این مقاله APATE را پیشنهاد می‌کند، رویکردی نوین برای کشف تراکنش‌ها‌ تقلبی کارت اعتباری که در فروشگاه‌های آنلاین انجام شده است. رویکردمان به ترکیب موارد ذیل می‌پردازد (1) ویژگی‌های ذاتی مشتق از مشخصه‌های تراکنش‌ها‌ ورودی و تاریخچه خرجکرد مشتری با استفاده از اصول RFM (تاخر-تکرار-پولی)؛ و (2) ویژگی‌های مبتنی بر شبکه با استفاده از شبکه دارندگان کارت اعتباری و تجار و مشتق گرفتن از امتیاز بدگمانی وابسته به زمان برای هرکدام از موضوعات شبکه. نتایج‌مان نشان می‌دهد هردو ویژگی مبتنی بر شبکه و ذاتی دو جنبه کاملاً در هم تنیده از یک تصویر هستند. ترکیبی از این دو نوع ویژگی منجر به بهترین مدل‌های اجرایی می‌شود که به امتیازهای بالاتر از 0.98 برای AUC می‌رسد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
چکیده انگلیسی
In the last decade, the ease of online payment has opened up many new opportunities for e-commerce, lowering the geographical boundaries for retail. While e-commerce is still gaining popularity, it is also the playground of fraudsters who try to misuse the transparency of online purchases and the transfer of credit card records. This paper proposes APATE, a novel approach to detect fraudulent credit card transactions conducted in online stores. Our approach combines (1) intrinsic features derived from the characteristics of incoming transactions and the customer spending history using the fundamentals of RFM (Recency–Frequency–Monetary); and (2) network-based features by exploiting the network of credit card holders and merchants and deriving a time-dependent suspiciousness score for each network object. Our results show that both intrinsic and network-based features are two strongly intertwined sides of the same picture. The combination of these two types of features leads to the best performing models which reach AUC-scores higher than 0.98.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 75, July 2015, Pages 38–48
نویسندگان
, , , , , , ,