National and Kapodistrian University of Athens
Αναγνώριση δόλιων τραπεζικών συναλλαγών με χρήση μεθόδων Μηχανικής Μάθησης
Abstract
dc:descriptionΤα τελευταία χρόνια έχει παρατηρηθεί δραματική αύξηση στη χρήση χρεωστικών και πιστωτικών καρτών κατά την πραγματοποίηση πληρωμών τόσο σε ηλεκτρονικές συναλλαγές όσο και σε αγορές στα καταστήματα. Ωστόσο, παράλληλα σημειώνεται και μια συνεχής αύξηση του ποσοστού δόλιων συναλλαγών που σχετίζονται με τη χρήση τραπεζικών καρτών ως μέσου πληρωμής, γεγονός που προκαλεί σημαντική οικονομική ζημία ιδιαίτερα στις επιχειρήσεις, όπου πραγματοποιούνται δόλιες δραστηριότητες, και τις εκδότριες τράπεζες των καρτών. Για το λόγο αυτό κρίνεται αναγκαίος ο έγκαιρος εντοπισμός τέτοιων συναλλαγών, ο οποίος μπορεί να επιτευχθεί με την χρήση αυτοματοποιημένων συστημάτων ανίχνευσης απάτης, που αναπτύσσονται με τη βοήθεια της μηχανικής μάθησης. Ωστόσο, η ανίχνευση απάτης με πιστωτική κάρτα αποτελεί πρόκληση για δύο κυρίως λόγους. Πρώτον, το μοτίβο τόσο των γνήσιων, όσο ιδιαίτερα των δόλιων συναλλαγών διαρκώς αλλάζει, καθιστώντας απαραίτητη τη συνεχή ενημέρωση των συστημάτων. Επιπλέον, τα σύνολα δεδομένων που περιέχουν πληροφορίες συναλλαγών με πιστωτικές κάρτες και χρησιμοποιούνται για την εκπαίδευση των αλγόριθμων είναι εξαιρετικά ανισόρροπα, δηλαδή η συχνότητα των γνήσιων συναλλαγών υπερτερεί κατά πολύ εκείνη των δόλιων, με αποτέλεσμα οι αλγόριθμοι να τείνουν να είναι μεροληπτικοί προς την πλειοψηφική κλάση. Η παρούσα διπλωματική εργασία εξετάζει την απόδοση τριών αλγόριθμων εποπτευόμενης μηχανικής μάθησης, Δέντρο αποφάσεων, Τυχαίο Δάσος και Μηχανή Διανυσμάτων Υποστήριξης, κατά την ταξινόμηση των συναλλαγών, που πραγματοποιούνται με πιστωτική κάρτα, σε δόλιες και γνήσιες. Η εκπαίδευση των αλγόριθμων, καθώς και κάποιες διαδικασίες προεπεξεργασίας των δεδομένων πραγματοποιήθηκαν με τη χρήση της γλώσσας προγραμματισμού R. Προκειμένου να αντιμετωπιστεί το πρόβλημα της ανισορροπίας των κλάσεων, προτού πραγματοποιηθεί η εκπαίδευση των αλγόριθμων με το σύνολο δεδομένων, εφαρμόστηκε σε αυτό η μέθοδος της υποδειγματοληψίας. Η απόδοση των τριών ταξινομητών αξιολογήθηκε με βάση τις μετρικές accuracy, recall, specificity, precision, F1 score και ROC AUC score. Τέλος, μετά από σύγκριση τα αποτελέσματα έδειξαν ότι ο αλγόριθμος που προβλέπει καλύτερα τις δόλιες συναλλαγές είναι το Τυχαίο Δάσος.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Νικολάου Αντιγόνη
- Nikolaou Antigoni
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3361056