Методика процесса обнаружения мошеннических операций с кредитными картами с помощью искусственного интеллекта

Статья опубликована в журнале: Финансы и кредит, 2024, Т. 30, № 12, С. 2683-2698

Автор(ы): Назаров Д.М.

Рубрика: БАНКОВСКАЯ ДЕЯТЕЛЬНОСТЬ

Аннотация

Предмет. Применение современных методов машинного обучения для выявления подозрительных транзакций и предотвращения финансовых потерь в банковской сфере.

Цели. Провести сравнительный анализ современных методов машинного обучения, применяемых для выявления мошеннических операций с кредитными картами, чтобы обнаружить наиболее эффективные подходы, которые могут быть внедрены в практику банков для повышения точностии автоматизации процесса обнаружения мошенничества.

Методология. Рассмотрены ключевые алгоритмы машинного обучения, такие как нейронные сети и Random Forest, а также методы предобработки и балансировки классов. Модели обучались и тестировались на реальных банковских данных, полученных с платформы Kaggle и включающих в себя 30 предикторов и более 25 000 записей. Оценка эффективности алгоритмов проводилась на основе AUC-ROC-кривых.

Результаты. Обнаружено, что алгоритмы, основанные на искусственных нейронных сетях и алгоритме Random Forest, обеспечивают высокую точность при обнаружении мошеннических операций. Установлено, что комбинация этих методов с различными техниками предобработки данных позволяет значительно повысить эффективность антифрод-систем. Выявлено, что использование SMOTE дало возможность существенно улучшить точность предсказаний для миноритарного класса.

Выводы. Предложенная методика может быть применена в банковской сфере для повышения надежности антифрод-систем. Результаты работы могут быть полезны для дальнейшего совершенствования систем автоматизированного обнаружения мошенничества и минимизации финансовых потерь, связанных с мошенническими операциями.

Ключевые слова: обнаружение мошенничества, искусственный интеллект, машинное обучение, кредитные карты, антифрод-системы