基于特征工程的信用卡欺詐檢測(cè)策略研究

李賽虎 張麗娟

摘 ?要： 針對(duì)傳統(tǒng)的欺詐檢測(cè)工具難以檢測(cè)信用卡欺詐模式的問題，提出一種基于特征工程的信用卡欺詐檢測(cè)策略。首先，該策略擴(kuò)展了交易聚合策略，在對(duì)交易進(jìn)行分組時(shí)通過納入一個(gè)結(jié)合標(biāo)準(zhǔn)，將持卡人或交易類型與國(guó)家或商戶群體等信息相結(jié)合;然后，對(duì)交易的周期性行為進(jìn)行分析，使用馮米塞斯分布（循環(huán)正態(tài)分布）創(chuàng)建一組新的特征集合;最后，使用一個(gè)大型真實(shí)的信用卡欺詐數(shù)據(jù)集，比較已有的信用卡欺詐檢測(cè)模型，并評(píng)估不同特征集合對(duì)結(jié)果造成的影響。結(jié)果表明該策略較已有模型的成本大概節(jié)約13%。

關(guān)鍵詞： 特征工程; 信用卡欺詐檢測(cè); 周期性行為; 馮米塞斯分布; 特征集合; 成本

中圖分類號(hào)： TN911.1?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）15?0175?06

Research of credit card fraud detection strategy based on feature engineering

LI Saihu， ZHANG Lijuan

（College of Economics and Management， Shanghai Maritime University， Shanghai 201306， China）

Abstract： To solve the problem that traditional fraud detection tools are difficult to detect credit card fraud patterns， a credit card fraud detection strategy based on feature engineering is proposed， in which the transaction aggregation strategy is extended and a combining criterion is incorporated into the grouping of transactions to combine the information of the cardholder or transaction type with the information of the state or merchant group， then， the cyclical behavior of transactions is analyzed and a new set of characteristics is created by mean of Von Mises distribution （cyclic normal distribution） next， a large real credit card fraud data set is used to compare the existing credit card fraud detection models and evaluate the impact of different feature sets on the results. The result shows that the cost produced by the proposed strategy is decreased byabout 13%.

Keywords： feature engineering; credit card fraud detection; cyclical behavior; Von Mises distribution; feature sets; cost

0 ?引 ?言

近些年，隨著信用卡和借記卡的使用率大幅上升，欺詐現(xiàn)象也隨之蔓延。因此，每年使數(shù)以幾十億的金錢蒙受損失。隨著互聯(lián)網(wǎng)等新交易模式的興起，新的欺詐模式也應(yīng)運(yùn)而生[1]，欺詐者為避開檢測(cè)，不斷改變策略，這使得傳統(tǒng)的欺詐檢測(cè)工具[2]如專家規(guī)則等不再適用，而現(xiàn)有的欺詐檢測(cè)系統(tǒng)又難以防范信用卡欺詐。

當(dāng)構(gòu)建一個(gè)信用卡欺詐檢測(cè)模型時(shí)，數(shù)據(jù)偏斜度、應(yīng)用的代價(jià)敏感性、系統(tǒng)的短時(shí)響應(yīng)、搜索空間的維數(shù)以及對(duì)特征進(jìn)行預(yù)處理的方式都會(huì)對(duì)檢測(cè)結(jié)果造成影響，目前已有一些研究成果。如文獻(xiàn)[3]提出一種基于代價(jià)的度量，以評(píng)估信用卡欺詐檢測(cè)模型，但該模型在欺詐檢測(cè)過程中會(huì)產(chǎn)生較大的財(cái)務(wù)成本。文獻(xiàn)[4]為了提高信用卡欺詐檢測(cè)準(zhǔn)確率，提出一種支持向量機(jī)的信用卡欺詐檢測(cè)方法。文獻(xiàn)[5]提出一種單標(biāo)準(zhǔn)的方法，充分考慮了顧客的消費(fèi)行為模式[6]，在對(duì)交易分組過程的某個(gè)給定時(shí)間上加入聚合特征計(jì)算。文獻(xiàn)[7]使用進(jìn)化算法來自適應(yīng)地生成用于欺詐檢測(cè)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。類似研究也表明[8]，神經(jīng)網(wǎng)絡(luò)可以有效地完成信用卡欺詐檢測(cè)。

本文以檢測(cè)過程中產(chǎn)生財(cái)務(wù)成本的比較為基礎(chǔ)，提出節(jié)約度量，然后，提出交易聚合策略的一種擴(kuò)展版本，通過在對(duì)交易進(jìn)行分組時(shí)納入一個(gè)結(jié)合標(biāo)準(zhǔn)，即不僅僅針對(duì)持卡人或交易類型進(jìn)行聚合，還將其與國(guó)家或商戶群體等信息相結(jié)合，這樣使得特征空間更加豐富。此外，本文還提出一個(gè)提取周期性特征的方法，以估計(jì)一個(gè)新的交易發(fā)生時(shí)間是否在以往交易發(fā)生時(shí)間的置信區(qū)間內(nèi)。

本文方法基于對(duì)交易時(shí)間的周期性行為，使用馮米塞斯分布[9]進(jìn)行分析，通過一個(gè)大型信用卡欺詐數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，結(jié)果表明了本文方法的高效性。

1 ?信用卡欺詐檢測(cè)評(píng)估