Stop prevarama s kreditnim karticama uz pomoć strojnog učenja
Američki istraživači nude efikasnije rješenje za otkrivanje prevara u zdravstvu i financijama

Prevare i krađe pokretane tehnologijama sve su veći problem; devet od deset prevara s kreditnim karticama uključuje daljinski pristup računu. Strojno učenje igra ključnu ulogu u otkrivanju prevara identificiranjem obrazaca i anomalija u stvarnom vremenu no podaci na kojima se temelji često su neuredni ili neoznačeni. Kako bi odgovorili na te izazove, istraživači Sveučilišta Florida Atlantic razvili su novu metodu generiranja binarnih oznaka klasa u visoko neuravnoteženim skupovima podataka, a pristup funkcionira bez oslanjanja na označene podatke.
Dvije strategije
Metoda kombinira dvije strategije: skup od tri tehnike učenja bez nadzora uz pomoć scikit-learna, besplatne biblioteke za strojno učenje otvorenog koda za programski jezik Python, i percentilnog gradijenta. Cilj je minimalizirati lažne pozitivne rezultate fokusiranjem na najpouzdanije identificirane slučajeve prijevare. Metoda je testirana na transakcijama europskim kreditnim karticama i zahtjevima za američki Medicare, a rezultati pokazuju da nova metoda označavanja učinkovito rješava izazov označavanja ozbiljno neuravnoteženih podataka u nenadziranom okviru.
"Korištenje strojnog učenja u otkrivanju prijevara donosi mnoge prednosti. Algoritmi strojnog učenja mogu označavati podatke mnogo brže od ljudskih bilješki i tako značajno podižu učinkovitost”, tvrde autori studije objavljene u Journal of Big Data.