機械学習と深層学習に基づくクレジットカード詐欺検出

技術の急速な進化により、世界は日常生活で現金の代わりにクレジットカードを使用する方向に向かっています。このことは、詐欺行為を行う人々がこれらのカードを悪用する新たな方法を開くことになります。ニルソンレポートによると、2020年までに世界のカード損失は350億ドルを超えると予想されています。これらのクレジットカードのユーザーの安全を確保するために、クレジットカードの提供者はユーザーが直面する可能性のあるリスクから保護するサービスを提供する必要があります。その結果、私たちはKaggleが提供するIEEE-CIS詐欺検出データセットにて合法的または詐欺的な取引を予測するアプローチを提示します。当モデルは、双方向長短期記憶（BiLSTM）と双方向ゲーテッドリカレントユニット（BiGRU）に基づくBiLSTM-MaxPooling-BiGRU-MaxPoolingです。また、私たちは、ナイーブベース、ボーティング、アダブースティング、ランダムフォレスト、決定木、ロジスティック回帰という6つの機械学習分類器を適用しました。機械学習分類器の結果と当モデルを比較したところ、当モデルは91.37%のスコアを得て、より良い結果を達成しました。