Recherche sur le modèle anti-fraude bancaire basé sur K-Means et le modèle de Markov caché

La finance Internet se développe rapidement. Alors que les paiements en ligne tels que Alipay et WeChat Pay deviennent de plus en plus populaires, les cas de fraude associés augmentent également. Dans cet article, nous décrivons l'ensemble du processus de détection de fraude utilisant le modèle de Markov caché (HMM). Nous utilisons l'algorithme k-means pour symboliser la séquence du montant et de la fréquence des transactions d'un compte bancaire. Cette séquence est utilisée pour construire et tester le modèle. Un HMM est initialement entraîné avec le comportement normal d'un compte. Si une transaction par carte de crédit entrante n'est pas acceptée par le HMM entraîné avec une probabilité suffisamment élevée, elle est considérée comme frauduleuse. Nous illustrons la faisabilité du modèle par des expériences de simulation et vérifions la validité du modèle avec des données réelles de transactions bancaires. En particulier, dans le cas où il y a suffisamment de transactions historiques, cette méthode fonctionne bien pour des groupes d'utilisateurs à faible ou moyenne fréquence et montant.