{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5325146"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5325146","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Real-time financial fraud detection using machine learning","abstract":"Σε 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.","abstract_html":"Σε 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.","abstract_has_math":false,"creators":["ΓΚΟΛΦΙΝΟΥ ΝΕΚΤΑΡΙΑ-ΕΙΡΗΝΗ","GKOLFINOU NEKTARIA-EIRINI"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:17:45Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325146"],"render_values":[{"text":"uoadl:5325146","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325146","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325146","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5325146","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΓΚΟΛΦΙΝΟΥ ΝΕΚΤΑΡΙΑ-ΕΙΡΗΝΗ","GKOLFINOU NEKTARIA-EIRINI"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325146","https://pergamos.lib.uoa.gr/uoa/dl/object/5325146"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε 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.","In what extend can machine learning be used by financial institutions to predict and prevent fraud? This thesis presents a fraud detection pipeline based on the Kaggle credit card dataset, simulating real-time conditions. Four different algorithms were trained and compared by the same set of evaluation metrics, ensuring a fair comparison. These models are XGBoost, RandomForest, LightGBM and a Blended model. Business capacity constraints were also taken into consideration. While Ranking was performed using standard metrics, policy-based evaluation was additionally applied, acknowledging that analysts cannot review a huge number of transactions. Using a selected cut-off method, raw fraud scores were turned into actionable operational information. The chosen dataset consists of 284,807 transactions of which 492 are fraudulent. XGBoost has the best overall ranking but for the chosen thresholds, which is what matters operationally, RandomForest provided the best trade-off: Predicted the most fraud, raised the fewest false alarms and minimized the expected cost. Both are very well calibrated, which reflects the trustworthiness of scores. The blended model ensemble provided satisfactory results. LightGBM has proved weaker in all aspects. The metrics were computed strictly on the test set, on data that the models had not seen before. Also, the data underwent a chronological split, so it was trained on the oldest and predicted the newest. This validated the robustness of the models and their suitability for future use. The best-performing models are suitable for operational deployment, provided they are integrated within an appropriate API (Application Programming Interface) and streaming infrastructure for real-time fraud scoring."]},{"key":"dc:title","label":"Title","values":["Real-time financial fraud detection using machine learning"]}]}],"canonical_facts":{"dc:creator":["ΓΚΟΛΦΙΝΟΥ ΝΕΚΤΑΡΙΑ-ΕΙΡΗΝΗ","GKOLFINOU NEKTARIA-EIRINI"],"dc:date":["2026"],"dc:description":["Σε 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.","In what extend can machine learning be used by financial institutions to predict and prevent fraud? This thesis presents a fraud detection pipeline based on the Kaggle credit card dataset, simulating real-time conditions. Four different algorithms were trained and compared by the same set of evaluation metrics, ensuring a fair comparison. These models are XGBoost, RandomForest, LightGBM and a Blended model. Business capacity constraints were also taken into consideration. While Ranking was performed using standard metrics, policy-based evaluation was additionally applied, acknowledging that analysts cannot review a huge number of transactions. Using a selected cut-off method, raw fraud scores were turned into actionable operational information. The chosen dataset consists of 284,807 transactions of which 492 are fraudulent. XGBoost has the best overall ranking but for the chosen thresholds, which is what matters operationally, RandomForest provided the best trade-off: Predicted the most fraud, raised the fewest false alarms and minimized the expected cost. Both are very well calibrated, which reflects the trustworthiness of scores. The blended model ensemble provided satisfactory results. LightGBM has proved weaker in all aspects. The metrics were computed strictly on the test set, on data that the models had not seen before. Also, the data underwent a chronological split, so it was trained on the oldest and predicted the newest. This validated the robustness of the models and their suitability for future use. The best-performing models are suitable for operational deployment, provided they are integrated within an appropriate API (Application Programming Interface) and streaming infrastructure for real-time fraud scoring."],"dc:identifier":["uoadl:5325146","https://pergamos.lib.uoa.gr/uoa/dl/object/5325146"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Real-time financial fraud detection using machine learning"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:17:45Z"}