機械学習によるオンライン決済詐欺の検出

Jul 25 2022
オンライン決済詐欺が発生し、新しいものではないことは誰にとっても明らかだと思います。買い手の立場にある人は誰でも詐欺に陥ることを恐れているか、すでに倒れたか、詐欺師に捕まった誰かを知っていることは明らかです。

オンライン決済詐欺が発生し、新しいものではないことは誰にとっても明らかだと思います。買い手の立場にある人は誰でも詐欺に陥ることを恐れているか、すでに倒れたか、詐欺師に捕まった誰かを知っていることは明らかです。調査によると、オンライン決済詐欺は5年間で3430億を超えるでしょう。

銀行は、プラットフォームを介した不正取引を防ぐためにますます更新を行っていますが、中央銀行(BACEN)によると、2021年に715億件を超える銀行取引が行われたため、そのような取引を特定することは非常に困難です。そのうち35%(約250億)が携帯電話で登録されており、ノートブックなどは含まれていません。金融機関がこれらの各取引を監視し、それらを不正であるかどうかを自信を持って分類することは不可能です。

テクノロジーのおかげで、今日、私たちはこの問題をより効率的にする方法があり、これらのトランザクションのそれぞれを分類し、それに応じてアクションを実行しようとしています。

以下に、このジレンマに対する可能な解決策の1つを示します。

  • オンライン決済の不正を特定するために、機械学習を使用できます。古いトランザクションのパターンを理解し、可能な限り最良の方法でそれらを分類するようにマシンに教える方法。
  • 人間と同じように、機械は間違いを犯し、少なくとも今後数年間は100%の精度で解決策がないことを指摘することが重要です。
  • 過去の不正取引に関する情報を含むkaggleデータセットを使用して、マシンがパターンを理解し、その分類を予測できるようにします。
  • 私たちは、他の誰かによってすでに開発され、それらを介して簡単な方法で複製された複雑で大きなコードを支援するライブラリをインポートします。
  • 使用しているデータを調べて理解を深めるために、ベースとして持っているファイルを読み取ります。
  • 列間の相関関係を特定しました。
  • マシンがファイルを読み取れるように、ファイルにいくつかの調整を加えます。
  • 予測する情報(予測ターゲット)とマシンに提供する情報を特定して、パターンを理解し、より積極的な結果(機能)を生成できるようにします。
  • ファイルデータをトレーニングデータと検証データに分けます。トレーニングデータは、マシンが学習および学習するためにマシンに提供され、検証データは、マシンが新しく取得した知識で生成する結果をテストするために使用されます。
  • マシンで使用されるモデル(この場合は決定木分類子)を作成します。
  • トレーニングデータを使用してモデルをトレーニングします。
  • 検証データで検証します。
  • (モデルの精度が低い場合は、いくつかの概念を確認し、満足するまで他の機能や他のモデルでさらにテストを行う必要があります)。
  • したがって、モデルを実世界でテストし、分類するための入力を提供できます。

LinkedInで私をフォローして、次回お会いしましょう!

© Copyright 2021 - 2022 | hachiwiki.com | All Rights Reserved