通过机器和深度学习,对信用卡网络欺诈检测的文献进行系统审查
Eyad Abdel Latif Marazqah Btoush1, Xujuan Zhou1, Raj Gururajan1,2
1School of Business, University of Southern Queensland, Toowoomba, QLD, Australia.
PeerJ. Computer science
|June 22, 2023
概括
机器学习和深度学习显著提高信用卡网络欺诈的检测. 本综述综合了最近的研究,提供了对提高银行业安全的技术和未来方向的指导.
科学领域:
- 网络安全 网络安全
- 银行技术 银行技术
- 数据科学数据科学数据科学
背景情况:
- 信用卡网络欺诈构成了全球重大安全风险.
- 传统的欺诈检测方法往往是低效和不准确的.
- 机器学习 (ML) 和深度学习 (DL) 正在成为欺诈检测的强大工具.
研究的目的:
- 审查和综合最近关于信用卡网络欺诈检测ML/DL方法的研究.
- 提供对技术,挑战和未来研究方向的全面概述.
- 为研究人员和银行业在选择最佳欺诈检测策略方面提供指导.
主要方法:
- 在2019年至2021年间发表的181篇研究文章的系统文献综述.
- 专注于用于检测信用卡欺诈的机器学习和深度学习技术.
- 对已识别的研究进行分析,以对方法和发现进行分类.
主要成果:
- 发现了越来越多的研究机构使用ML/DL来检测信用卡欺诈行为.
- 在准确性和效率方面强调了ML/DL在传统方法上的优势.
- 记录了该领域的关键挑战,局限性和研究缺口.
结论:
- ML/DL技术为提高信用卡网络欺诈检测提供了有希望的解决方案.
- 需要进一步的研究来解决现有的局限性,并探索新的方法.
- 本次审查是促进金融部门网络安全的宝贵资源.
