基于图像的电信欺诈检测方法使用注意力卷积神经网络

科学领域:

• 计算机科学 计算机科学
• 应用数学 应用数学 应用数学
• 电信 电信服务 电信服务 电信服务

背景情况:

• 电信欺诈是一个持续存在的全球性问题,造成重大财务损失并扰乱日常生活.
• 现有的欺诈检测方法,依赖于专家知识的功能工程,努力适应不断发展的欺诈策略.
• 现实世界通信数据中的极端阶级不平衡对基于深度学习的欺诈检测提出了重大挑战.

研究的目的:

• 开发一种先进的电信欺诈检测方法,克服当前方法的局限性.
• 为了应对欺诈检测数据集中极端阶级不平衡的挑战.
• 提高识别电信网络中欺诈活动的准确性和有效性.

主要方法:

• 提出了一种新的特征转换技术,以全面表示用户的沟通行为.
• 一个卷积神经网络 (CNN) 模型被开发出来,包含一个焦点损失函数.
• 拟议的带有焦点丧失的CNN在现实世界电信数据集上进行了训练和评估,其中存在严重的阶级不平衡.

主要成果:

• 与现有方法相比,拟议的方法在现实世界不平衡的数据集上表现出更高的性能.
• 关键绩效指标显示显著改善:召回达到0.7850和AUC达到0.8662.
• 该方法有效地发现了罕见的欺诈活动,在严重的阶级不平衡下,其表现优于传统方法.

结论:

• 开发的特征转换和带有焦点损失的CNN为电信欺诈检测提供了强大的解决方案.
• 这种方法在处理高度不平衡的数据方面取得了重大进展,用于识别欺诈活动.
• 这些发现使得在电信系统中更有效地识别欺诈性号码.