Storjové učení pro detekci podvodných finančních transakcí
| školitel: | doc. Ing. Václav Šmídl, Ph.D. |
| e-mail: | zobrazit e-mail |
| typ práce: | bakalářská práce, diplomová práce |
| zaměření: | MI_MM, MI_AMSM |
| klíčová slova: | grafové neuronové sítě, strojové učení, finanční transakce |
| popis: | Počet finančních transakcí celsovětově roste a s tím roste i počet podvodných transakcí. Detekce podvodných transakcí je složitý problém, protože techniky podvodů se neustále zlepšují. Strojové učení se jeví jako nejperspektivnější směr zlepšení kvality detekce. Cílem práce je seznámit se s existujícícmi technikami detekce podvodů, jejich základní principy a charakteristiky. Zvláštní pozornost by měla být věnována moderním technikám založeným na hlubokých neuronových sítích. Prvním krokem je rešerše a popis metod. Vybrané metody budou aplikovány na veřejné datasety jako jsou: Czech 1999 banking dataset, IBM credit card transactions, IBM Anti-money laundering data atp. V případě dobrých výsledků je možné otestovat metody i na reálných datech. |
| literatura: | Nickerson, K., Tricco, T., Kolokolova, A., Shoeleh, F., Robertson, C., Hawkin, J. and Hu, T., 2022, September. Banksformer: A Deep Generative Model for Synthetic Transaction Sequences. In Joint European Conference on Machine Learning and Knowledge Discovery in Databases (pp. 121-136). Cham: Springer Nature Switzerland. Padhi, I., Schiff, Y., Melnyk, I., Rigotti, M., Mroueh, Y., Dognin, P., Ross, J., Nair, R. and Altman, E., 2021, June. Tabular transformers for modeling multivariate time series. In ICASSP 2021-2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 3565-3569). IEEE. Forough, J. and Momtazi, S., 2021. Ensemble of deep sequential models for credit card fraud detection. Applied Soft Computing, 99, p.106883. |
| poznámka: | Aplikační aspekty práce budou konzultovány s firmou Resistant AI |
| naposledy změněno: | 06.09.2023 10:34:13 |
za obsah této stránky zodpovídá:
Pavel Strachota | naposledy změněno: 9.9.2021