论文部分内容阅读
随着信用卡在我国的普及和发展,信用卡支付已成为当前最重要的支付方式之一。然而,庞大的市场也成分犯罪分子垂涎的目标,信用卡伪卡等交易欺诈案件日益增加,犯罪手法也在不断翻新。这给银行和持卡人造成了严重的资金损失,扰乱了正常的金融秩序,制约了信用卡产业的长期健康发展。因此,如何有效防范交易欺诈风险已成为国内各银行关注的重点。信用卡欺诈分申请欺诈和交易欺诈两种。随着信用评分卡等数据挖掘技术的推广应用,申请欺诈目前已得到了有效地遏制,但交易欺诈相对申请欺诈更为复杂和多变,同时也由于前期重视不够,交易欺诈近年来呈现进一步严重的趋势。数据挖掘方法同样在信用卡交易欺诈控制方面也有着广阔的应用前景,之前已有神经网络等技术应用于交易欺诈侦测的研究,并取得了一定的效果。然而,神经网络的梯度弥散问题及仅能训练浅层网络的缺陷导致网络训练困难、欺诈识别率较低,限制了其应用的推广。深度学习是近年来发展迅速的一种新的人工智能方法,它解决了神经网络的浅层缺陷,能够建立多层的非线性关系,在图像识别等多个领域已取得了显著的效果。论文基于国内外现有的交易欺诈侦测模型,将深度学习技术应用于交易欺诈侦测,构建了一个基于深度置信网络(Deep Belief Network,DBN)的交易欺诈侦测原型系统,最后使用实际的信用卡交易数据对系统中采用的基于DBN的交易欺诈评分模型进行了验证,确认了基于深度学习技术训练欺诈评分模型的可行性和有效性。论文首先介绍了信用卡、欺诈风险等概念及分类,之后阐述了信用卡交易欺诈侦测评分模型的原理,研究了国内外流行的两种交易反欺诈模型,对深度学习技术特别是深度置信网络模型进行了详细描述,在此基础上提出了一个基于DBN的交易欺诈侦测原型系统,最后,基于真实的交易数据经过变量衍生、主成分分析等数据预处理步骤,训练生成了一个五层的DBN模型,并验证了模型的交易欺诈识别效果。为各银行应用深度学习技术进行信用卡交易欺诈侦测提供了理论和实践参考。