[論文レビュー] Credit Card Fraud Detection using Machine Learning: A Study

Pooja Tiwari, Simran Mehta+3 more|arXiv (Cornell University)|Aug 23, 2021

Imbalanced Data Classification Techniques参考文献 50被引用数 36

ひとこと要約

この論文は、クレジットカード詐欺検出のための機械学習手法を幅広く調査し、データセット全体での利点と制限を比較しています。クラスの不均衡とデータセットのばらつきの下でどの技術が最も良いパフォーマンスを示す傾向があるかを強調しています。

ABSTRACT

As the world is rapidly moving towards digitization and money transactions are becoming cashless, the use of credit cards has rapidly increased. The fraud activities associated with it have also been increasing which leads to a huge loss to the financial institutions. Therefore, we need to analyze and detect the fraudulent transaction from the non-fraudulent ones. In this paper, we present a comprehensive review of various methods used to detect credit card fraud. These methodologies include Hidden Markov Model, Decision Trees, Logistic Regression, Support Vector Machines (SVM), Genetic algorithm, Neural Networks, Random Forests, Bayesian Belief Network. A comprehensive analysis of various techniques is presented. We conclude the paper with the pros and cons of the same as stated in the respective papers.

研究の動機と目的

• デジタル経済におけるカード利用の増加に伴い効果的な詐欺検出の必要性を動機づける。
• クレジットカード詐欺検出に用いられるML技術の包括的な調査を提供する。
• 各技術の長所と短所とデータセット間のパフォーマンスを分析する。
• 不均衡データとデータセット固有の課題に最も頑健な手法に関する所見を強調する。

提案手法

• クレジットカード詐欺検出に適用された幅広いML手法（HMM、決定木、ロジスティック回帰、SVM、遺伝的アルゴリズム、ニューラルネットワーク、ランダムフォレスト、ベイズネットワーク）をレビューし分類する。
• 個々の研究で報告された各手法のコアアイデア、データ要件、典型的な性能指標を要約する。
• 精度、真陽性/偽陽性の観点、データ不均衡への適性の観点で手法を比較する。
• 前処理手順と性能に影響を与えるデータセットの考慮点について議論する。
• ニューラルネットワークと確率的/ベイズ的アプローチのトレーニングコストと精度のトレードオフに関する結論を統合する。

実験結果

リサーチクエスチョン

• RQ1 さまざまなデータセットにわたってクレジットカード詐欺検出に適用された機械学習アプローチは何か？
• RQ2 これらの手法は検知性能、誤報、クラス不均衡への頑健性の点でどう異なるのか？
• RQ3 実務的な銀行文脈における詐欺検出の各手法の主な長所と短所は何か？
• RQ4 アンサンブルやニューラーネットワークベースのアプローチが従来の分類器を上回る条件は何か？

主な発見

• 確率閾値設定を用いたベイズネットワーク分類器は、精度、再現率、経済効率を考慮した場合、特定のデータセットで従来の方法のいくつかよりも高い性能を示す。
• Baggingアンサンブル分類器は、高度に不均衡なデータセットで安定した詐欺検出性能を提供する。
• ニューラルネットワークは高い検知精度を提供するが、特にノード数が限られている場合（LSTM）には学習コストが高く過学習のリスクがある。
• ランダムフォレストとアンサンブル法は、さまざまなデータセットで単一分類器（ロジスティック回帰や標準の決定木など）よりも頻繁に上回る。
• 畳み込み・ディープラーニング手法（CNN、分散ディープラーニング等）は、データ拡張や不均衡処理（例：SMOTE）と組み合わせると検出を改善できるが、大量のデータと計算資源を要する。
• SVM のような手法はクラス不均衡で優れる場合がある一方、従来の線形モデルは不均衡設定で性能が低下することがある。