[论文解读] The Importance of Future Information in Credit Card Fraud Detection

Van Bach Nguyen, Kanishka Ghosh Dastidar+2 more|arXiv (Cornell University)|Apr 11, 2022

Imbalanced Data Classification Techniques被引用 10

一句话总结

本文提出了一种新颖的后验欺诈检测范式，利用在交易发生后一天内可获得的未来交易数据，采用双向长短期记忆网络（Bi-LSTM）以提高检测准确率。该方法优于仅依赖过去上下文的常规LSTM模型，能够检测到更多欺诈行为、被盗用的卡片以及更早的欺诈实例，其中4-1-2配置的Bi-LSTM在聚合特征上的AUCPR达到0.403 ± 0.021。

ABSTRACT

Fraud detection systems (FDS) mainly perform two tasks: (i) real-time detection while the payment is being processed and (ii) posterior detection to block the card retrospectively and avoid further frauds. Since human verification is often necessary and the payment processing time is limited, the second task manages the largest volume of transactions. In the literature, fraud detection challenges and algorithms performance are widely studied but the very formulation of the problem is never disrupted: it aims at predicting if a transaction is fraudulent based on its characteristics and the past transactions of the cardholder. Yet, in posterior detection, verification often takes days, so new payments on the card become available before a decision is taken. This is our motivation to propose a new paradigm: posterior fraud detection with "future" information. We start by providing evidence of the on-time availability of subsequent transactions, usable as extra context to improve detection. We then design a Bidirectional LSTM to make use of these transactions. On a real-world dataset with over 30 million transactions, it achieves higher performance than a regular LSTM, which is the state-of-the-art classifier for fraud detection that only uses the past context. We also introduce new metrics to show that the proposal catches more frauds, more compromised cards, and based on their earliest frauds. We believe that future works on this new paradigm will have a significant impact on the detection of compromised cards.

研究动机与目标

• 探究在人工验证延迟导致未来交易数据可在交易发生后一天内获取的前提下，未来交易数据是否能提升后验信用卡欺诈检测性能。
• 设计一种Bi-LSTM模型，有效整合过去和未来的交易序列，以增强欺诈分类能力。
• 评估未来信息对检测更多欺诈交易、被窃取的卡片以及更早欺诈实例的影响。
• 在不同序列配置下，对比所提Bi-LSTM与SOTA模型（如LSTM和随机森林）的性能表现。
• 确定在最大化检测性能的前提下，过去与未来上下文长度之间的最优平衡。

提出的方法

• 作者采用双向长短期记忆网络（Bi-LSTM）架构，处理包含目标交易前后过去与未来上下文的交易序列。
• 模型在来自全球支付提供商的真实世界数据集上进行训练，该数据集包含超过3000万笔交易，序列由可配置的过去和未来交易数量定义（例如，4-1-2：4个过去，1个目标，2个未来）。
• 特征工程包括基础交易特征以及过去和未来序列上的聚合统计量（如总和、计数、均值），以丰富上下文信息。
• 使用标准欺诈检测指标（包括AUCPR、F1-score和AUC）对模型进行评估，重点关注检测每张被盗卡片的首次欺诈行为。
• 消融研究对比了不同序列配置（如4-1-0与4-1-2）和模型类型（LSTM与Bi-LSTM及随机森林），以分离未来信息的影响。
• 进一步评估了在有无聚合特征的情况下Bi-LSTM的性能，以评估其在提升性能方面是否具有互补作用。

实验结果

研究问题

• RQ1 在交易发生后一天内可获取未来交易数据的前提下，该数据是否能提升后验欺诈检测性能？
• RQ2 利用过去和未来交易序列的Bi-LSTM是否优于仅使用过去上下文的常规LSTM？
• RQ3 在欺诈检测性能方面，过去与未来上下文长度的最优平衡是什么？
• RQ4 包含聚合交易特征是否有助于提升对早期欺诈行为和被盗卡片的检测能力？
• RQ5 与SOTA模型相比，Bi-LSTM模型是否能检测到更多欺诈交易和更早的欺诈实例？

主要发现

• 采用4-1-2配置（4个过去，1个目标，2个未来）的Bi-LSTM在聚合特征上的AUCPR达到0.403 ± 0.021，显著优于LSTM基线模型和随机森林模型。
• 过去与未来上下文长度相等的平衡配置（2-1-2）在所有指标上均达到最高性能，表明来自两侧的等长上下文为最优配置。
• 即使仅有两个未来交易，Bi-LSTM模型检测到的欺诈交易和被盗卡片数量也超过仅使用过去上下文的模型。
• 该模型能比基线模型更早检测到卡片上的首次欺诈行为，这对最小化财务损失至关重要。
• 聚合特征的使用提升了所有模型的性能，尤其在检测首次欺诈行为方面提升最为显著。
• 较短的Bi-LSTM序列（2-1-2）在性能上与更长的LSTM序列（9-1-0）相当甚至更优，证明了其高效性并降低了对数据的依赖。