The financial fraud detection using machine learning

Ukrainian Information Security Research Journal

View Publication Info
 
 
Field Value
 
Title The financial fraud detection using machine learning
Обнаружение финансового мошенничества средствами машинного обучения
Виявлення фінансових шахрайств засобами машинного навчання
 
Creator Фесенко, Андрій Олексійович; КНУ імені Тараса Шевченка
Папірна, Ганна Костянтинівна; КНУ імені Тараса Шевченка
Бауиржан, Мадіна Бауиржанівна; Казахський національний дослідницький технічний університет ім. К.І. Сатпаєва
 
Subject Information Security
financial fraud detection systems; machine learning; cloud services; decision support systems, security of operations
UDC 004.056.5:336:004.8(045)
Информационная безопасность
системы обнаружения финансовых махинаций; машинное обучение; облачные сервисы; система поддержки принятия решений; безопасность операций
УДК 004.056.5:336:004.8(045)
Інформаційна безпека
системи виявлення фінансових шахрайств; машинне навчання; хмарні сервіси; системи підтримки прийняття рішень; безпека операцій
УДК 004.056.5:336:004.8(045)
 
Description The financial fraud detection system using machine learning is a modern tool for ensuring information security in financial institutions and commercial organizations. The relevance of this work is due to an increase in trends in the development of the use of cashless transactions, together with an increase in criminal offenses related to payment card fraud. An analysis of the research of scientists on this topic is provided and it shows that they cover the individual components of building a financial fraud detection system, but do not describe the complete cycle of the development and implementation of such a system. The two fundamentally different approaches to identifying financial fraud are considered – based on rules and based on machine learning tools. The advantage of using machine learning tools is substantiated in the context of improving the usability of the system, increasing the accuracy of fraud detection and possible integration with behavioral analytics systems. In this paper, the problem of detecting financial fraud with payment cards is formalized in machine learning terminology. The choice of the mathematical apparatus for the functioning of the model of detecting financial fraud with payment cards is substantiated. Mathematical algorithms are adapted to solve the problem of transaction classification and a step-by-step algorithm for the implementation of this machine learning task is given. The technical implementation of the system for detecting financial fraud with payment cards based on Microsoft Azure cloud services is developed and substantiated. The effectiveness of the proposed system for detecting fraudulent transactions is assessed, where sensitivity and specificity are selected as the criteria for efficiency being generally accepted indicators in machine learning theory.
Система обнаружения финансовых махинаций средствами машинного обучения - современный инструмент обеспечения информационной безопасности в финансовых учреждениях и коммерческих организациях. В данной работе формализована задача обнаружение финансовых махинаций с платежными картами в терминологии машинного обучения. Обоснован выбор математического аппарата для функционирования модели обнаружения финансовых махинаций с платежными карточками. Также было адаптировано математические алгоритмы к решению задачи классификации транзакций и приведен пошаговый алгоритм реализации данной задачи машинного обучения. Разработана и обоснована техническая реализация системы обнаружения финансовых мошенничеств с платежными картами на базе облачных сервисов Microsoft Azure. Проведена оценка эффективности работы предложенной системы обнаружения мошеннических транзакций, где критериями эффективности были выбрана общепринятые показатели в теории машинного обучения - чувствительность и специфичность.
Система виявлення фінансових шахрайств засобами машинного навчання – сучасний інструмент забезпечення інформаційної безпеки у фінансових установах і комерційних організаціях. У даній роботі формалізовано задачу виявлення фінансових шахрайств з платіжними картками у термінах машинного навчання. Обґрунтовано вибір математичного апарату для функціонування моделі виявлення фінансових шахрайств з платіжними картками. Також було адаптовано математичні алгоритми до розв’язання задачі класифікації транзакцій і наведено покроковий алгоритм реалізації даної задачі машинного навчання. Розроблено та обґрунтовано технічну реалізацію системи виявлення фінансових шахрайств з платіжними картками на базі хмарних служб Microsoft Azure. Проведено оцінку ефективності роботи запропонованої системи виявлення шахрайських транзакцій, де критерієм ефективності було обрано загальноприйняті показники у теорії машинного навчання чутливість та специфічність.
 
Publisher National Aviation University
 
Contributor


 
Date 2019-06-27
 
Type


 
Format application/pdf
application/pdf
application/pdf
 
Identifier http://jrnl.nau.edu.ua/index.php/ZI/article/view/13769
10.18372/2410-7840.21.13769
 
Source Ukrainian Information Security Research Journal; Том 21, № 2 (2019); 104-111
Защита информации; Том 21, № 2 (2019); 104-111
Захист інформації; Том 21, № 2 (2019); 104-111
 
Language uk
 
Rights Authors who publish with this journal agree to the following terms: Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим: Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договоронности, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами: Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library