Une enquête sur les systèmes de détection de fraude lors de transactions en ligne basés sur l'apprentissage profond

Avec l'avancement de la technologie, la plupart du commerce moderne repose aujourd'hui sur la banque en ligne et les paiements sans espèces. En raison de l'adoption des paiements en ligne par les entreprises, les cas de fraude augmentent également, ce qui entraîne des pertes financières pour elles. Les fraudeurs inventent de nouvelles techniques pour effectuer des transactions frauduleuses qui semblent légitimes. Il est donc urgent de développer des mesures de détection de la fraude capables de faire face à ces fraudeurs en temps réel. Les techniques d'apprentissage profond ont la capacité de détecter efficacement ces transactions frauduleuses et ont un grand potentiel dans le domaine de la détection de fraude. Cependant, les chercheurs rencontrent de nombreux défis dans la détection de fraude lors des transactions en ligne, car les ensembles de données ne sont pas publiquement disponibles en raison des problèmes de confidentialité des institutions financières, les données des clients étant sensibles et pouvant être utilisées de manière abusive, et les ensembles de données disponibles sont déséquilibrés. Cet article présente une revue des techniques d'apprentissage profond utilisées pour la détection de fraude lors des transactions en ligne. Il fournit également des informations sur les ensembles de données utilisés par les chercheurs et les résultats obtenus par eux dans leurs travaux de recherche.