National and Kapodistrian University of Athens
Real-time financial fraud detection using machine learning
Abstract
dc:descriptionΣε ποιον βαθμό μπορεί η μηχανική μάθηση να χρησιμοποιηθεί από χρηματοπιστωτικά ιδρύματα για την πρόβλεψη και την πρόληψη της απάτης; Η παρούσα διπλωματική εργασία παρουσιάζει ένα ολοκληρωμένο σύστημα ανίχνευσης απάτης, βασισμένο στο σύνολο δεδομένων πιστωτικών καρτών του Kaggle, το οποίο προσομοιώνει συνθήκες πραγματικού χρόνου. Τέσσερις διαφορετικοί αλγόριθμοι εκπαιδεύτηκαν και συγκρίθηκαν χρησιμοποιώντας το ίδιο σύνολο μετρικών αξιολόγησης, εξασφαλίζοντας δίκαιη και αντικειμενική σύγκριση. Τα μοντέλα που εξετάστηκαν είναι τα XGBoost, Random Forest, LightGBM και ένα συνδυαστικό (Blended) μοντέλο. Παράλληλα, λήφθηκαν υπόψη επιχειρησιακοί περιορισμοί δυναμικότητας, αναγνωρίζοντας ότι οι αναλυτές απάτης δεν είναι σε θέση να εξετάσουν έναν πολύ μεγάλο αριθμό συναλλαγών. Αν και η κατάταξη των μοντέλων πραγματοποιήθηκε με βάση καθιερωμένες μετρικές απόδοσης, εφαρμόστηκε επιπλέον αξιολόγηση βασισμένη σε πολιτικές (policy-based evaluation), ώστε να αντικατοπτρίζονται ρεαλιστικές επιχειρησιακές συνθήκες. Μέσω μιας επιλεγμένης μεθόδου καθορισμού κατωφλίου (cut-off), οι ακατέργαστες πιθανότητες απάτης μετατράπηκαν σε αξιοποιήσιμες επιχειρησιακές αποφάσεις. Το χρησιμοποιούμενο σύνολο δεδομένων αποτελείται από 284.807 συναλλαγές, εκ των οποίων οι 492 είναι δόλιες. Το XGBoost παρουσίασε την καλύτερη συνολική κατάταξη με βάση τις κλασικές μετρικές. Ωστόσο, για τα επιλεγμένα κατώφλια —τα οποία είναι κρίσιμα σε επιχειρησιακό επίπεδο— το Random Forest προσέφερε τον βέλτιστο συμβιβασμό: εντόπισε τον μεγαλύτερο αριθμό περιστατικών απάτης, προκάλεσε τις λιγότερες ψευδείς ειδοποιήσεις και ελαχιστοποίησε το αναμενόμενο κόστος. Και τα δύο μοντέλα παρουσίασαν πολύ καλή βαθμονόμηση, γεγονός που υποδηλώνει την αξιοπιστία των παραγόμενων σκορ. Το συνδυαστικό μοντέλο απέδωσε ικανοποιητικά αποτελέσματα, ενώ το LightGBM αποδείχθηκε ασθενέστερο σε όλους τους εξεταζόμενους τομείς. Οι μετρικές απόδοσης υπολογίστηκαν αποκλειστικά στο σύνολο ελέγχου (test set), το οποίο περιείχε δεδομένα που τα μοντέλα δεν είχαν δει κατά την εκπαίδευση. Επιπλέον, εφαρμόστηκε χρονολογικός διαχωρισμός των δεδομένων, με τα μοντέλα να εκπαιδεύονται στις παλαιότερες συναλλαγές και να αξιολογούνται στις νεότερες. Η προσέγγιση αυτή επιβεβαιώνει τη στιβαρότητα των μοντέλων και την καταλληλότητά τους για μελλοντική χρήση. Τα μοντέλα με την καλύτερη απόδοση θεωρούνται κατάλληλα για επιχειρησιακή αξιοποίηση, υπό την προϋπόθεση ότι θα ενσωματωθούν σε κατάλληλη υποδομή API (Application Programming Interface) και σύστημα ροής δεδομένων (streaming infrastructure) για ανίχνευση απάτης σε πραγματικό χρόνο.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΓΚΟΛΦΙΝΟΥ ΝΕΚΤΑΡΙΑ-ΕΙΡΗΝΗ
- GKOLFINOU NEKTARIA-EIRINI
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5325146