加强对汽车保险和信用卡交易的欺诈检测:一种新的方法,将CNN和机器学习算法集成在一起
Ruixing Ming1, Osama Abdelrahman1, Nisreen Innab2
1School of Statistics and Mathematics, Zhejiang Gongshang University, Hangzhou, China.
PeerJ. Computer science
|July 10, 2024
概括
这项研究引入了一种使用深度学习功能与机器学习模型的新欺诈检测方法. 该方法显著提高了识别欺诈交易的准确性和效率.
科学领域:
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 金融欺诈,特别是在汽车保险和信用卡行业,造成了巨大的经济损失.
- 现有的欺诈检测系统经常在准确性和效率方面扎,需要先进的解决方案.
研究的目的:
- 开发和评估一种新的混合方法,以加强欺诈检测.
- 利用深度学习来提取特征,并与传统的机器学习分类器结合使用.
主要方法:
- 一种混合模型,将卷积神经网络 (CNN) 结合起来,用于深度特征提取.
- 将提取的CNN特征与支持向量机 (SVM),K-最近邻居 (KNN),天真贝叶斯 (NB) 和决策树 (DT) 算法集成.
- 对混合模型与现有方法的性能进行比较分析.
主要成果:
- 拟议的混合模型在欺诈检测准确性和效率方面表现出卓越的表现.
- 通过CNN提取的深度特征显著提高了机器学习模型的分类能力.
- 在识别欺诈活动方面表现优于之前的研究.
结论:
- 新的CNN集成机器学习方法为打击金融欺诈提供了强大的工具.
- 这种方法在汽车保险和信用卡欺诈检测方面具有很大的实际应用潜力.
- 提高准确性和效率为更强大的欺诈预防策略铺平了道路.
