科研之友
微信
新浪微博
Facebook
分享链接
摘要
机器学习在信用卡交易检测中有其特殊性，面对的环境更为复杂。由于有人的智力介入，战胜信用卡交易欺诈，其挑战性比人脸识别、无人驾驶等工程问题的难度更高，照搬工程学科的机器学习方法往往会失败。综述了2000年以来基于机器学习的信用卡欺诈检测研究历程，辨析了该领域的研究范畴、应用场景、技术流派等相关概念及其联系；解构了机器学习欺诈识别的一般性研究架构，从特征工程、模型算法、评价指标三个环节归纳总结了领域内研究的最新进展；从数据集是否具备标签角度，着重列举了面向欺诈识别的有监督的、无监督和半监督三类主流机器学习模型，讨论了这些模型的出发点、核心思想、求解方法以及优缺点；还分析了强化学习模型模拟欺诈者与机构之间的动态博弈过程；探讨了机器学习面临的海量数据、样本偏斜和概念漂移三大难点问题，并汇集整理了缓解这些问题的最新进展；总结了面向欺诈检测的机器学习研究目前存在的局限、争议和挑战，并为未来的研究方向提供趋势分析与建议。
- 单位
