基于实时大数据处理的交易欺诈侦测的研究

银行产业的迅猛发展,在带来海量银行卡交易的同时,也伴随着越来越多的交易欺诈。欺诈交易不仅给持卡人、商户等带来不可估量的损失,而且严重阻碍银行产业的发展,因此交易欺诈侦测技术就显得尤为重要。本文分析了交易欺诈的各种类型以及银行业规划反欺诈体系需要考虑的因素,提出了基于实时大数据处理技术的交易欺诈侦测方案,进而解决海量数据环境下的实时交易欺诈侦测问题。

基于GBDT的线上交易欺诈侦测研究

随着银行卡行业的迅猛发展,在带来海量银行卡交易的同时,欺诈交易也与之俱增。将GBDT算法应用于银行卡欺诈侦测领域,通过WOE和IV方法对变量进行分组处理及筛选,以Bagging的方式对模型进行了组合,通过加权投票方式判断欺诈交易。实证研究表明,该模型的达到预期评价指标,效果显著。

数据挖掘在交易欺诈侦测中的应用

银行产业的迅猛发展,在带来海量银行卡交易的同时,也伴随着越来越多的交易欺诈。欺诈交易不仅给持卡人、商户等带来不可估量的损失,而且严重阻碍银行产业的发展,本文分析了交易欺诈的各种类型以及行为特征,对交易欺诈侦测过程中应用的数据挖掘技术进行了介绍,并给出了基于随机森林建立交易欺诈侦测模型的基本流程,为交易欺诈侦测工作提供了参考。

基于流式聚类及增量隐马尔可夫模型的实时反欺诈系统

针对目前金融支付行业交易中存在的欺诈风险复杂化和高频化的问题,提出一种基于密度分布演化的流式聚类算法(DDE-Stream)。利用CLIQUE算法对账户交易特征进行网格聚类,结合隐马尔可夫算法构建账户交易行为档案模型,根据该模型进行实时的欺诈侦测,并在模型自更新阶段,利用DDE-Stream算法对多维度交易特征进行实时聚类。实验结果表明,该算法能够实时侦测交易欺诈风险,且在验证集上获得的准确率相比传统随机森林分类算法超过50%。

设计模式在内容管理系统中的应用与研究

为了提高软件系统的可维护性和可复用性,模式特别是设计模式逐渐引起了人们的重视。通过在内容管理系统的开发中引入设计模式,不仅使得设计简洁明了,而且提高了系统的可维护性和伸缩性。