クラウド対応サプライチェーンにおける詐欺検出のためのハイブリッド機械学習モデル

クラウドの導入によって加速されたサプライチェーンのデジタル化が、効率性の新たな機会をもたらす一方で、詐欺行為のリスクも高めています。従来の詐欺検出技術は、クラウド対応取引の動的で高ボリューム、かつ異質な特性に適応することができません。本論文では、クラウドベースのサプライチェーンシステム内での詐欺検出精度を向上させるために、教師ありおよび教師なしアルゴリズムを統合したハイブリッド機械学習フレームワークを提案します。このアプローチは、既知の詐欺パターンを識別するための教師あり分類器を活用しながら、新たなまたは進化する脅威を捕捉する教師なし異常検出を適用します。これらの技術を組み合わせることで、モデルは過学習や限られた一般化などの単一手法アプローチの限界に対処します。シミュレーションされたサプライチェーンデータセットに基づく実証評価は、検出率の向上、偽陽性の減少、およびクラウド環境における堅牢なスケーラビリティを示しています。本研究は、デジタルサプライチェーンの保護に対するハイブリッドアーキテクチャの価値を強調することによって、インテリジェントな詐欺管理に関する知識の増加に寄与します。今後の研究方向は、モデルをマルチクラウドエコシステムに拡張し、適応型リスク管理のためのリアルタイム学習機能を組み込むことです。