移动平台交易数据欺诈检测：开发精确的机器学习模型...

简介：
本研究专注于在移动平台上开发和应用先进的机器学习技术，以精准识别并防范交易数据中的欺诈行为，保障用户财产安全。 在开发用于检测移动平台交易数据欺诈的机器学习模型过程中，面临的主要挑战之一是缺乏公开可用的数据集，尤其是在新兴的移动货币交易领域。金融数据对于许多研究人员来说至关重要，特别是在我们研究的欺诈检测领域中。由于金融交易本身的私密性质，导致没有大量的公开可用数据集可以使用。 为了解决这个问题，提出了一种名为PaySim的模拟器来生成综合数据集，并注入恶意行为以评估不同的欺诈检测方法性能。这些合成的数据基于从一个非洲国家实施的一项移动货币服务一个月的日志中提取的真实交易样本进行创建和调整规模。 原始日志由一家跨国公司提供，该公司是全球14个国家以上运营的移动金融服务提供商之一。PaySim生成的数据集为原数据集大小的四分之一，并且已经发布在Kaggle平台上以供研究使用。