Detekce podvodů v platbách kreditní kartou
Fraud Detection in Unlabeled Payment Card Transactions
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Vonášek Josef
Vedoucí práce
Kopřiva Štěpán
Oponent práce
Selecký Martin
Studijní obor
Informatika a počítačové vědyStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra kybernetikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Vývoj informačních technologií pomalu posouvá část našeho každodenního života do elektronické podoby. Globální povaha internetu spolu s jeho anonymitou z něj činí ideální nástroj pro páchání podvodů, což každoročně vede k obrovským finančním ztrátám. Přestože prevence je nejlepším způsobem, jak podvodům zabránit, s dostatkem času útočníci obvykle najdou způsoby, jak obejít tato opatření. Metody pro odhalení podvodu jsou tedy nezbytné, pokud se chceme, poté co selže prevence, s podvodníky vypořádat. V této práci předkládáme \textit{unsupervised} metodu pro detekci podvodů kreditní kartou, založenou na zobrazení dat do prostoru o nízké dimenzi. Klasifikátor se skládá ze dvou komponent, jmenovitě autoenkodéru (neuronové sítě) a metody pro selekci atributů. Autoenkodér je použit k vypočtení rekonstrukční chyby ve formě matice, která se dále použije pro selekci atributů. Aktualizovaná rekonstruční chyba je poté použita k odhalení podvodných transakcí. Experimentální výsledky tétoarchitektury jsou prezentovány a diskutovány. The developments in the Information Technology slowly shift a portion of our every day life into an electronical form. The global nature of Internet along with its anonymity make it an ideal instrument for committing a fraud, resulting in huge financial losses every year. Although prevention is the best way to reduce fraud, with enough time, fraudsters will usually find ways to circumvent these measures. Methodologies for the detection of fraud are therefore essential if we are to catch fraudsters once prevention has failed. In this work we present an unsupervised method for credit card fraud detection, based on projecting the dataset into low dimensional representation and consecutive reconstruction. The fraud detection system consists of two components, namely an autoencoder neural network and a feature scaling technique. Autoencoder is used to compute the reconstruction error matrix, which is then further utilized in the feature scaling and selection component. An updated reconstruction error is thereafter used to detect fraudulent transactions. The experimental results of proposed architecture are presented and discussed.
Kolekce
- Bakalářské práce - 13133 [777]