НЕЙРОННЫЕ СЕТИ В ЗАДАЧЕ РАСПОЗНАВАНИЯ МОШЕННИЧЕСКИХ ОПЕРАЦИЙ С КРЕДИТНЫМИ КАРТАМИ
Задача распознавания мошеннических операций с кредитными картами является в настоящее время актуальной, поскольку наблюдается значительный рост их использования населением. В то же время, методы и алгоритмы, используемые организациями, обслуживающими кредитные карты далеки от совершенства. В настоящее время для решения данной задачи используются методы и алгоритмы машинного обучения. В данной работе представлено исследование по использованию для решения задачи распознавания мошенничества с кредитными картами нейронной сети. Рассмотрены проблемы наличия обучающих датасетов, имеющихся в открытом доступе и проблемы настройки нейронной сети исходя из политики организации.
Абрамов К.В., Балабанова Т.Н., Белов А.С., Новиков А.Г. Нейронные сети в задаче распознавания мошеннических операций с кредитными картами // Научный результат. Информационные технологии. – Т.10, №4, 2025. – С. 63-71. DOI: 10.18413/2518-1092-2025-10-4-0-5
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Benchaji I., Douzi S., El Ouahidi B. Credit card fraud detection Model Based on LSTM recurrent neural networks. Journal of Advances in Information Technology. Vol. 12. no. 2. 2021. Pp. 113–118. DOI: 10.12720/jait.12.2.113-118
2. Credit Card Fraud Detection: 2025 Trends and Interventions, FICO, 2025.
3. Ali M.A., Azad M.A., Centeno M.P., Hao F., van Moorsel A. Consumer-facing technology fraud: Economics, attack methods and potential solutions. Future Generation Computer Systems, 100, 2019. Pp. 408-427.
4. Budhram T. Lost, stolen or skimmed: Overcoming credit card fraud in South Africa. South African Crime Quarterly, 40, 2012. Pp. 31-37.
5. "Credit card fraud detection and risk management strategies" (2024/2025).
6. "Credit Card Fraud Data Analysis and Prediction Using Machine Learning" (2024/2025).
7. Kasongo S.M. An advanced intrusion detection system for IIoT based on GA and tree based algorithms. IEEE Access. 2021; 9: 113199–113212
8. Khatri S., Arora A., Agrawal A.P. Supervised machine learning algorithms for credit card fraud detection: a comparison. In: 10th international conference on cloud computing, data science & engineering (Confluence); 2020. p. 680-683.
9. Serzhan Y. Fraud Detection in Credit Card Transactions using Machine Learning: A Comparative Analysis. 2025.
10. Sundaravadivel P. et al. Optimizing credit card fraud detection with random forests and deep learning techniques. 2025.
11. Ghiasi M.M., Zendehboudi S. Application of decision tree-based ensemble learning in the classification of breast cancer. Comput in Biology and Medicine. 2021; 128: 104089.
12. Lingjun H., Levine R.A., Fan J., Beemer J., Stronach J. Random forest as a predictive analytics alternative to regression in institutional research. Pract Assess Res Eval. 2020; 23(1): 1
13. Robles-Velasco A., Cortés P., Muñuzuri J., Onieva L. Prediction of pipe failures in water supply networks using logistic regression and support vector classification. Reliab Eng Syst Saf. 2020; 196: 106754.
14. Seera M., Lim C.P., Kumar A., Dhamotharan L., Tan K.H. An intelligent payment card fraud detection system. Ann Oper Res 2021; 1–23
15. Hemavathi D., Srimathi H. Effective feature selection technique in an integrated environment using enhanced principal component analysis. J Ambient Intell Hum Comput. 2021; 12(3): 3679–3688.
16. Saheed Y.K., Hambali M.A., Arowolo M.O., Olasupo Y.A. Application of GA feature selection on Naive Bayes, random forest and SVM for credit card fraud detection. In: 2020 international conference on decision aid sciences and application (DASA); 2020. p. 1091–1097
17. Li Y., Jia M., Han X., Bai X.S. Towards a comprehensive optimization of engine efficiency and emissions by coupling artificial neural network (ANN) with genetic algorithm (GA). Energy. 2021; 225: 120331.
18. Ahmed K.H. A credit card fraud detection approach based on ensemble learning. 2025.
19. Trippi R.T., Turban E. (eds), Neural Networks in Finance and Investing, Probus Publishing Company. 1993.
20. Bhuiyan M. "Enhancing Credit Card Fraud Detection: A Comprehensive Study of Machine Learning Approaches" (2024).
21. Mienye I.D., Sun Y. Improved heart disease prediction using particle swarm optimization based stacked sparse autoencoder. Electronics. 2021;10(19):2347