数字信用交易反欺诈研究进展

数字技术的发展加速了金融在线支付方式的转变,带来支付便捷的同时却也增加了欺诈交易的隐患,反欺诈研究对保护用户财产、防范金融危机尤为重要。伴随数据治理与共享技术的进步,数字支付交易数据呈现海量、多源、异构的新特点,将基于大数据与人工智能的数据智能技术融入到反欺诈研究中具有重要的理论研究意义。信用卡支付与数字支付充分结合发展形成的数字信用支付模式,拥有当下最成熟的数据积累和理论基础,为反欺诈模型的研究提供了最理想的数据资源与理论支持。从概念出发,首先结合我国实际业务场景,对数字信用反欺诈研究问题的定义、研究难点、数据框架进行介绍;其次基于建模策略,分别从数据均衡和模型优化两方面对数字信用交易反欺诈研究的前沿进展进行综述,重点介绍了各类机器学习算法与深度学习算法在反欺诈研究中的理论基础、适用场景、最新成果,并基于上述内容展开综合评估;最后结合研究现状,从需求的角度切入,对包含反欺诈研究的泛化性、可解释性、面对新型欺诈交易模式敏感性在内的三大研究热点进行总结,并对未来的研究方向进行展望。