【技术实现步骤摘要】
本专利技术属于信用卡欺诈检测，具体涉及一种基于密度驱动集成混合采样的信用卡欺诈检测方法。
技术介绍
1、现有的基于规则的专家系统和阈值检测的欺诈检测方法，通过预设规则或阈值，来判断交易是否异常。例如，如果某笔交易的金额远高于用户的平均消费水平，系统可能会标记该交易为可疑。这种基于经验和规则的检测方法在某些简单场景下仍然有效，尤其是面对较为单一的欺诈模式时，能够在一定程度上识别出异常交易。
2、然而，随着欺诈手段的不断升级和复杂化，这些传统方法的局限性也逐渐显现出来，存在识别准确率低、召回率低导致经济损失大的问题。在这种背景下，研究者们开始探索使用更为先进的技术手段，诸如机器学习和数据挖掘技术，来提高欺诈检测的准确性和效率。机器学习方法能够从大量历史数据中学习交易模式，并自动识别出潜在的欺诈行为。与传统的基于规则的方法不同，机器学习模型能够处理更加复杂的数据，并能够随着新数据的加入而不断更新和优化自身的检测能力。例如，基于监督学习的分类模型可以在标注了欺诈与否的交易数据上进行训练，从而学会区分正常交易与欺诈交易。这种数据驱动的...
【技术保护点】
1.一种基于密度驱动集成混合采样的信用卡欺诈检测方法，其特征在于，构建了信用卡欺诈检测模型，该模型共包含两层，第一层为用于生成新交易特征的基学习器集合，第二层为使用新交易特征进行欺诈交易检测的元模型，元模型中采用了对称双通道元学习器网络结构；信用卡欺诈检测方法具体包括如下步骤：
2.根据权利要求1所述基于密度驱动集成混合采样的信用卡欺诈检测方法，其特征在于，所述步骤1中，获取到的信用卡交易数据集中包含正常交易和欺诈交易，其中，是第条交易数据，为空间维度；中包含条交易数据；在采样前，将信用卡交易数据集划分为训练集和测试集，，中包含条交易数据，条交易数据中有条...
【技术特征摘要】
1.一种基于密度驱动集成混合采样的信用卡欺诈检测方法，其特征在于，构建了信用卡欺诈检测模型，该模型共包含两层，第一层为用于生成新交易特征的基学习器集合，第二层为使用新交易特征进行欺诈交易检测的元模型，元模型中采用了对称双通道元学习器网络结构；信用卡欺诈检测方法具体包括如下步骤：
2.根据权利要求1所述基于密度驱动集成混合采样的信用卡欺诈检测方法，其特征在于，所述步骤1中，获取到的信用卡交易数据集中包含正常交易和欺诈交易，其中，是第条交易数据，为空间维度；中包含条交易数据；在采样前，将信用卡交易数据集划分为训练集和测试集，，中包含条交易数据，条交易数据中有条正常交易数据和条欺诈交易数据，条正常交易数据组成正常交易数据集合，条欺诈交易数据组成欺诈交易数据集合，其中。
3.根据权利要求2所述基于密度驱动集成混合采样的信用卡欺诈检测方法，其特征在于，所述步骤2中，密度驱...
【专利技术属性】
技术研发人员：倪丽娜，李旭强，周阅微，王崇博，张金泉，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。