FRAUD DETECTION IN CREDIT CARD TRANSACTIONS USING MACHINE LEARNING: A COMPARATIVE ANALYSIS

Аннотация

Стремительный рост цифровых финансовых операций увеличил риск мошеннических действий, что повысило необходимость в более эффективных методах их обнаружения. В данной исследовательской работе представлен комплексный подход к выявлению мошенничества в транзакциях по кредитным картам с использованием методологии, основанной на методах машинного обучения. В исследовании проведен детальный анализ данных, предобработка, обучение модели с применением различных методов балансировки классов, а также оптимизация гиперпараметров. Эксперименты на большом наборе данных по кредитным картам (284 807 транзакций, 31 признак) показали, что лучшая модель — XGBoost без выборки — достигла площади под кривой (AUC) 96,82% и средней точности 88%. Поскольку эта система обучается на основе данных, она может динамически адаптироваться к новым схемам мошенничества, обеспечивая высокую точность выявления подозрительных операций. Кроме того, способность модели обрабатывать большие объемы данных в реальном времени делает ее эффективным решением для финансовых учреждений с высокой нагрузкой на транзакции. Одним из ключевых преимуществ данной архитектуры является ее способность обеспечивать значительно более высокую пропускную способность при низкой задержке по сравнению с традиционными методами.