基于kNN-Smote-LSTM的信用卡欺诈风险检测网络模型

发布时间：2020-08-25 09:43

【摘要】：金融科技正不断推动支付方式的全面升级。大数据、物联网、云计算、人工智能等技术不断应用于支付领域,对支付领域产生了深远的影响,为我们的日常生活提供了更多的安全和便利,也为商家带来了效率和价值的提升。近些年,随着移动互联网技术的快速发展,智能终端广泛的应用和电子支付业务的蓬勃发展,多家银行开始支持网上申请和网上放贷,以消费信贷为主要功能的信用卡已经成为十分普遍的理财工具,并且借由信用卡这类消费金融,衍生出许多互联网金融应用,例如蚂蚁花呗、京东白条、360借条等,正不断成为支付领域的主要途径。但与此同时欺诈交易也正以惊人的速度增长,欺诈手段不断翻新,这极大扰乱了正常的金融秩序,制约了金融产业的长期健康发展。研究消费金融风险监测模型,对完善金融市场体系,促进经济和金融良性循环健康发展,保持国民经济持续稳定发展,保障国家金融安全都有着十分重要的意义。深度学习作为人工智能的核心技术,在图像、语音、自然语言处理等领域取得了非常显著的成绩。本文以信用卡欺诈检测为例,对信用卡欺诈检测问题和不平衡分类问题做了详细的阐述,并基于国内外现有的信用卡欺诈检测模型和方法,研究了基于深度学习和过采样算法的信用卡欺诈检测模型,本文通过长短期记忆网络(Long Short Term Memory Networks,LSTM)欺诈检测模型对交易数据进行序列分类,并整合了合成少数类过采样技术(Synthetic Minority Oversampling Technique,Smote)算法和K最近邻(k-Nearest Neighbor,kNN)分类算法设计并构建了一个基于kNN-Smote-LSTM的信用卡欺诈风险检测网络模型,它可以通过kNN判别分类器来不断筛选出安全生成样本来提升模型的性能,克服了 Smote算法在生成新样本时的盲目性和局限性。最后,本文使用真实的信用卡历史交易数据并通过合理的评价准则对现有较多的分类算法和过采样算法进行实验对比和验证,确认了基于kNN-Smote-LSTM的信用卡欺诈风险检测模型的可行性和有效性,此模型展现了优越的消费金融风险检测性能,为金融机构应用深度学习技术进行消费金融风险检测提供了一定的理论依据和实践参考。
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.2;TP18
【图文】：

在用发卡数量共计５．８８亿张，同比增长２６．３５％。全国人均持有银行卡４．８４张，逡逑同比增长８．３５％，其中，人均持有信用卡０．３９张，同比增长２５．８２％。信用卡发逡逑卡量保持稳步增长，２００７－２０１７年我国信用卡在用发卡数量走势图如图１－１所示。逡逑７．００逡逑６．００逦５８８逡逑５．００逦４．５５逦？４．６５逡逑ｉｉ＂ｎｌ邋⑴逡逑２００７逦２００８逦２００９逦２０１０逦２０１１逦２０１２逦２０１３逦２０１４逦２０１５逦２０１６逦２０１７逡逑■信用Ｋ邋：亿张逡逑图１－１邋２００７－２０１７年我国信用卡在用发卡数丨１！：走势图逡逑２０１７年，全国共发生银行卡交秘１４９１．３１亿笔，金额７６１．６５万亿元，Ｍ比逡逑３逡逑

恚铮簦澹

本文编号：2803544