發(fā)布時間：2020-08-25 09:43

【摘要】：金融科技正不斷推動支付方式的全面升級。大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算、人工智能等技術(shù)不斷應(yīng)用于支付領(lǐng)域,對支付領(lǐng)域產(chǎn)生了深遠(yuǎn)的影響,為我們的日常生活提供了更多的安全和便利,也為商家?guī)砹诵屎蛢r值的提升。近些年,隨著移動互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,智能終端廣泛的應(yīng)用和電子支付業(yè)務(wù)的蓬勃發(fā)展,多家銀行開始支持網(wǎng)上申請和網(wǎng)上放貸,以消費信貸為主要功能的信用卡已經(jīng)成為十分普遍的理財工具,并且借由信用卡這類消費金融,衍生出許多互聯(lián)網(wǎng)金融應(yīng)用,例如螞蟻花唄、京東白條、360借條等,正不斷成為支付領(lǐng)域的主要途徑。但與此同時欺詐交易也正以驚人的速度增長,欺詐手段不斷翻新,這極大擾亂了正常的金融秩序,制約了金融產(chǎn)業(yè)的長期健康發(fā)展。研究消費金融風(fēng)險監(jiān)測模型,對完善金融市場體系,促進(jìn)經(jīng)濟和金融良性循環(huán)健康發(fā)展,保持國民經(jīng)濟持續(xù)穩(wěn)定發(fā)展,保障國家金融安全都有著十分重要的意義。深度學(xué)習(xí)作為人工智能的核心技術(shù),在圖像、語音、自然語言處理等領(lǐng)域取得了非常顯著的成績。本文以信用卡欺詐檢測為例,對信用卡欺詐檢測問題和不平衡分類問題做了詳細(xì)的闡述,并基于國內(nèi)外現(xiàn)有的信用卡欺詐檢測模型和方法,研究了基于深度學(xué)習(xí)和過采樣算法的信用卡欺詐檢測模型,本文通過長短期記憶網(wǎng)絡(luò)(Long Short Term Memory Networks,LSTM)欺詐檢測模型對交易數(shù)據(jù)進(jìn)行序列分類,并整合了合成少數(shù)類過采樣技術(shù)(Synthetic Minority Oversampling Technique,Smote)算法和K最近鄰(k-Nearest Neighbor,kNN)分類算法設(shè)計并構(gòu)建了一個基于kNN-Smote-LSTM的信用卡欺詐風(fēng)險檢測網(wǎng)絡(luò)模型,它可以通過kNN判別分類器來不斷篩選出安全生成樣本來提升模型的性能,克服了 Smote算法在生成新樣本時的盲目性和局限性。最后,本文使用真實的信用卡歷史交易數(shù)據(jù)并通過合理的評價準(zhǔn)則對現(xiàn)有較多的分類算法和過采樣算法進(jìn)行實驗對比和驗證,確認(rèn)了基于kNN-Smote-LSTM的信用卡欺詐風(fēng)險檢測模型的可行性和有效性,此模型展現(xiàn)了優(yōu)越的消費金融風(fēng)險檢測性能,為金融機構(gòu)應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行消費金融風(fēng)險檢測提供了一定的理論依據(jù)和實踐參考。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F832.2;TP18
【圖文】：

在用發(fā)卡數(shù)量共計５．８８億張，同比增長２６．３５％。全國人均持有銀行卡４．８４張，逡逑同比增長８．３５％，其中，人均持有信用卡０．３９張，同比增長２５．８２％。信用卡發(fā)逡逑卡量保持穩(wěn)步增長，２００７－２０１７年我國信用卡在用發(fā)卡數(shù)量走勢圖如圖１－１所示。逡逑７．００逡逑６．００邐５８８逡逑５．００邐４．５５邐？４．６５逡逑ｉｉ＂ｎｌ邋⑴逡逑２００７邐２００８邐２００９邐２０１０邐２０１１邐２０１２邐２０１３邐２０１４邐２０１５邐２０１６邐２０１７逡逑■信用Ｋ邋：億張逡逑圖１－１邋２００７－２０１７年我國信用卡在用發(fā)卡數(shù)丨１�。鹤邉輬D逡逑２０１７年，全國共發(fā)生銀行卡交秘１４９１．３１億筆，金額７６１．６５萬億元，Ｍ比逡逑３逡逑

恚錚簦澹

本文編號：2803544