Разработка модели обнаружения компрометации банковских транзакций

Выпускная квалификационная работа посвящена разработке комплексных подходов обнаружения скомпрометированных банковских транзакций на основании ряда их признаков с помощью методов машинного обучения и других аналитических моделей. В рамках исследования был проведен анализ банковских операций, включая их виды, особенности и доступные данные о каждом платеже, а также рассмотрены различные методы решения задачи классификации и обнаружения редких событий, такие как логистическая регрессия, наивный Байесовский классификатор, метод К-ближайших соседей, метод опорных векторов, деревья решений, адаптивный бустинг и случайные леса. По итогам проведенного анализа были сформированы требования к результирующим моделям и подходам к обнаружению мошеннических операций. На основании проведенного исследования сформирован ряд математических моделей, объединенных в комплексные аналитические подходы, позволяющие детектировать потенциально скомпрометированные банковские транзакции. Сформированные подходы были протестированы на основании открытых реальных данных, содержащих обезличенную информацию о банковских транзакциях, совершенных держателями банковских карт из Европейского Союза. По итогам апробации, данными моделями была продемонстрирована достаточно высокая предсказательная способность, при которой модели удавалось обнаружить примерно 80% мошеннических операций и достичь уровень F-меры боле 0,86. Полученные комплексные подходы нацелены на использование в качестве алгоритмов проверки транзакций для систем классов Fraud Prevention и Fraud Detection.