[論文レビュー] Credit card fraud detection using machine learning: A survey

Yvan Lucas, Johannes Jurgovsky|arXiv (Cornell University)|Oct 13, 2020

Imbalanced Data Classification Techniques参考文献 72被引用数 11

ひとこと要約

本調査は、クラス不均衡、コンセプトドリフト、および順序付き取引パターンといった課題に注目しながら、クレジットカード不正検知のための機械学習手法について包括的な概要を提供する。サンプリング、コスト感受性学習、LSTMを用いた順序モデル、カウンティングベースの異常検知といった手法を評価し、実世界の状況において特徴工学と順序に配慮したモデルが標準的手法を上回ることを結論づけている。

ABSTRACT

Credit card fraud has emerged as major problem in the electronic payment sector. In this survey, we study data-driven credit card fraud detection particularities and several machine learning methods to address each of its intricate challenges with the goal to identify fraudulent transactions that have been issued illegitimately on behalf of the rightful card owner. In particular, we first characterize a typical credit card detection task: the dataset and its attributes, the metric choice along with some methods to handle such unbalanced datasets. These questions are the entry point of every credit card fraud detection problem. Then we focus on dataset shift (sometimes called concept drift), which refers to the fact that the underlying distribution generating the dataset evolves over times: For example, card holders may change their buying habits over seasons and fraudsters may adapt their strategies. This phenomenon may hinder the usage of machine learning methods for real world datasets such as credit card transactions datasets. Afterwards we highlights different approaches used in order to capture the sequential properties of credit card transactions. These approaches range from feature engineering techniques (transactions aggregations for example) to proper sequence modeling methods such as recurrent neural networks (LSTM) or graphical models (hidden markov models).

研究の動機と目的

• クレジットカード不正検知のための機械学習手法について、体系的な概要を提供すること。
• 極端なクラス不均衡、データセットシフト（コンセプトドリフト）、取引データにおける順序情報の欠如といった主な課題に対処すること。
• 研究者および実務家が実世界の不正検知システムに適切な手法を選択するのを支援すること。
• 産業応用において解釈可能性と性能評価の重要性を強調すること。

提案手法

• データ駆動型不正検知アプローチを分析するために、文献の体系的レビューを実施する。
• 混同行列に基づく指標とパラメトリック指標を用いて性能を評価し、不均衡データに対してF1スコアとAUCに特に注目する。
• サンプリング手法（例：SMOTE）とモデルベース手法（例：コスト感受性学習）を適用してクラス不均衡に対処する。
• LSTMおよびその他の順序モデルを用いて取引シーケンス内の時間的パターンを捉える。
• スライディングウィンドウと尤度閾値（例：t-STIDE）を用いたカウンティングベースの異常検知により、異常スコアを算出する。
• LSTMベースのモデルにおけるカスタム距離尺度を導入し、順序データ上で識別的学習が可能な異常スコアを算出する。

実験結果

リサーチクエスチョン

• RQ1 クラス不均衡や歪んだ取引分布は、不正検知における標準的手法の性能にどのように影響を与えるか？
• RQ2 LSTMのような順序モデリング手法は、静的取引特徴を上回って不正検知をどのように改善できるか？
• RQ3 リアルタイム不正検知システムにおいて、データセットシフト（コンセプトドリフト）はどのように検知され、緩和されるか？
• RQ4 特徴工学は、クレジットカード不正検知におけるモデル性能と解釈可能性を向上させる上で果たす役割は何か？
• RQ5 カウンティングベースと類似性ベースのアプローチは、異常な取引部分列を検出する上でどのように比較されるか？

主な発見

• LSTMが順序パターンを捉えるにもかかわらず、カード提示時（card-present）のシナリオでは、特徴集約手法が順序モデリングを上回る性能を示す。
• LSTMベースのモデルは、取引シーケンスの潜在的表現を学習し、期待される行動からの逸脱を測定することで、効果的な異常スコアを算出できる。
• t-STIDEのようなカウンティングベースの手法は、尤度閾値以下のウィンドウの割合を測定することで、解釈可能な異常スコアを提供する。
• コンセプトドリフトはモデルの性能を時間とともに著しく低下させるため、継続的な正確性を維持するにはオンライン学習または定期的な再訓練が不可欠である。
• サンプリングとコスト感受性学習の手法は、適切な評価指標を組み合わせることで、クラス不均衡の影響を効果的に軽減できる。
• 解釈可能性は依然として主要な課題であり、非専門家ステークホルダーがモデルの意思決定を透明に理解できるようになるまでの進展は限定的である。