Tóm tắt:
Những khách hàng xấu thực hiện các hành vi gian lận trong các giao dịch tài chính gây thiệt hại về kinh tế và là mối nguy hiểm cho các công ty, tổ chức. Trong thời gian gần đây, các giao dịch bùng nổ bởi sự phát triển của các giao dịch tài chính qua mạng và di động trên toàn thế giới. Vì vậy, việc xử lý giao dịch và phát hiện những hành vi bất thường từ hàng trăm ngàn giao dịch với vô số loại hành vi khác nhau không còn phù hợp với phương thức xử lý thủ công. Trong bài báo này việc khai phá motif cho chuỗi thời gian và phát hiện bất thường bằng thuật toán học máy rừng ngẫu nhiên được đề xuất.
Một mô hình xác định các mẫu hành vi gian lận và phân loại các đối tượng trong bài toán phát hiện bất thường ở cấp độ tài khoản được mô hình hoá. Mô hình đề xuất được thử nghiệm và sau đó sử dụng để phát hiện ra các khách hàng bất thường trong dữ liệu hoạt động bán lẻ. Bằng thực nghiệm chỉ ra mô hình có độ chính xác F1 là 75%.
Từ khóa: Phát hiện bất thường, khai phá mô-típ, nhận dạng mẫu, học máy
Tổng quan mô hình đề xuất (Nguồn: Nhóm nghiên cứu)
Phạm Ngọc Quang Anh1,2, Vũ Thành Nam1, Hoàng Văn Đông1, Lê Anh Ngọc3, Nguyễn Thị Ngọc Anh1
1Viện Toán ứng dụng và Tin học, Đại học Bách khoa Hà Nội
2Viện nghiên cứu ứng dụng Công nghệ CMC
3Đại học FPT, Việt Nam
Nguồn: Tạp chí Khoa học và Công nghệ Năng lượng - Trường Đại học Điện Lực; Số 29 - (ISSN: 1859 - 4557)
