面向非平衡数据集的金融欺诈账户检测研究

摘要：

针对非平衡金融数据集,提出一种银行欺诈账户检测框架iForest-SMOTE.基于账户的动态交易特点,从统计、时序、监督信息维度抽取账户交易行为特征.针对过采样技术ADASYN在金融账户数据集中存在的跨区域样本合成问题,提出一种基于iForest算法的数据集均衡预处理策略,通过iForest算法对数据进行混合采样,在去除多数类噪声数据的同时降低分类器对少数类的学习难度.在此基础上,设计随机森林分类器实现金融欺诈账户检测.在真实金融账户交易数据集上进行实验,结果表明,与ADASYN、SMOTE等采样技术相比,iForest-SMOTE在召回率和准确率方面具有明显优势,F-value值至少能够提升2.13个百分点.

关键词：隔离森林、非平衡分类、欺诈账户检测、随机森林、特征挖掘

所属期刊栏目：47

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB0801804

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：312-320