Разработка математических моделей для прогнозирования мошеннических транзакций по банковской карте с использованием методов машинного обучения

АННОТАЦИЯ 2
ВВЕДЕНИЕ 8
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ФУНКЦИОНИРОВАНИЯ
ПРОЦЕССА БАНКОВСКИХ ТРАНЗАКЦИЙ 11
1.1 Процесс банковской транзакции 11
1.2 Способы мошенничества с банковскими картами 14
1.3 Анализ исследований 17
1.4 Постановка задачи 35
Выводы по главе 40
ГЛАВА 2. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ КАК ЭФФЕКТИВНОЕ
СРЕДСТВО РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ 41
2.1 Логистическая регрессия 43
2.2 Деревья решений 45
2.3 Ансабли 47
2.3.1 Стекинг 48
2.3.2 Бэггинг 48
2.3.3 Бустинг 49
2.4 Ансабли деревьев решений 49
2.4.1 Случайный лес 50
2.4.2 Градиентный бустинг деревьев 51
Выводы по главе 52
ГЛАВА 3. ПРОГНОЗИРОВАНИЕ МОШЕННИЧЕСКОЙ ТРАНЗАКЦИИ ПО
БАНКОВСКОЙ КАРТЕ 54
3.1 Портрет действий мошенника 56
3.2 Кросс-валидация 58
3.3 Метрика качества модели 59
3.4 Подготовка данных 62
3.4.1 Удаление пропущенных значений 64
3.4.2 Коллинеарные признаки 64
3.4.3 Очистка данных от выбросов 66
3.5 Метод градиентного бустинга 69
3.6 Метод логистическая регрессия 78
3.7 Random Forest 79
3.8 Обсуждение результатов 80
Выводы по главе 81
ГЛАВА 4. ПРОЕКТ КОММЕРЦИЛИЗАЦИИ 83
4.1 Участники процесса коммерциализации 84
4.2 Выбор способа коммерциализации 87
4.2.1 Достоинства и недостатки способов коммерциализации 89
4.3 Описание продукта 90
4.4 Решаемая проблема 91
4.5 Объема рынка 91
4.6 Дорожная карта коммерциализации проекта 91
4.7 Бизнес-Модель 93
4.8 Команда проекта 94
4.9 Ценообразование 94
Выводы по главе 98
ЗАКЛЮЧЕНИЕ 99
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 101

Купить

Актуальность темы. 21 век фактически перевел нашу финансовую деятельность в цифровой формат. Сегодня уже трудно встретить человека, который не имеет счета в банке. Мы получаем зарплату на карту и расплачиваемся ей же в магазинах, управляем своими финансами в личном электронном кабинете, пересылаем друг другу деньги онлайн.
Одновременно с внушительным перечнем достоинств, современные банковские карты, как средство товарно-денежных отношений, имеют и определенные недостатки, среди которых наиболее значительным является их практическая уязвимость перед несанкционированным воздействием со стороны третьих лиц с целью организации незаконного доступа к счету держателя и последующего хищения денежных средств за максимально короткий промежуток времени. Банковская карта, как универсальный инструмент доступа к счету клиента в банке-эмитенте, может быть скомпрометирована и использована злоумышленником для неавторизованного доступа к этому счету, то есть проведения мошеннической операции.
По данным Центробанка участились случаи с мошенничеством. Если раннее мошенники использовали различные устройства для обмана, которые устанавливали на банкомат и платежные устройства, то сейчас они активно работают через интернет. По статистике мошенники чаще обманывают юридические лица, однако физические лица также не остаются без внимания.
Проблема обеспечения безопасности проведения финансовых операций с использованием банковских карт по праву считается глобальной, поскольку в процесс ее решения вовлечены все участники мирового рынка платежных инструментов, имеющие ту или иную заинтересованность в его развитии. Предупреждение мошенничества с использованием банковских карт также является весьма важным вопросом совершенствования системы безналичных взаиморасчетов ввиду того, что любое несанкционированное воздействие, как по отношению к платежному инструменту, так и к его реквизитам, потенциально может привести к рискам банка-эмитента, связанным с прямыми финансовыми потерями, ухудшением деловой репутации, недоверием к предоставляемым продуктам со стороны клиентов и общим ухудшением качества обслуживания. Дополнительное внимание участников рынка к проблеме мошенничества вызвано постоянным увеличением количества выпускаемых банковских карт и совершаемых с их использованием финансовых операций, развитием инфраструктуры рынка торгового и интернет-эквайринга.
С такой проблемой столкнулась платежная компания Vesta Corporation и находится в поиске лучших решений для индустрии предотвращения мошенничества. Корпорация Vesta является лидером в сфере гарантированных платежных решений для электронной коммерции. Основанная в 1995 году, Vesta стала пионером в процессе полностью гарантированных платежных операций с использованием карт (CNP) для телекоммуникационной отрасли. С тех пор Vesta прочно расширила возможности по обработке данных и машинному обучению по всему миру и укрепила свои позиции лидера в сфере гарантированных платежей в электронной торговле.
В связи с вышесказанным появляется необходимость поиска путей, направленных на решения проблемы с мошенничеством по банковским транзакциям.
Теоретической и методологической основой дипломного проекта являются труды зарубежных и отечественных ученых в области машинного обучения. Так, например, в российской литературе известны такие авторы как: Барский А.Б., Николенко. С., Кадурин А., Архангельская Е., В. Н. Ручкин, В. А. Фулин., Вьюгин В.В. В зарубежной литературе: Оливье Кален, Джанлука Бонтемпи, Андреа Даль Поццоло, Ян-Ал Ле Боргн, Фабрицио Карсильо, Константин Циглер.
Рассмотрев различные точки зрения, можно прийти к выводу, что существуют различные методы прогнозирования, каждый из которых имеет свои достоинства и недостатки.
В данной работе под термином прогнозирование понимается специальное научное исследование конкретных перспектив развития какого-либо явления.
Объектом исследовательской работы является процесс банковской транзакции платежной компании Vesta Corporation.
Предметом исследования является процесс обнаружения мошеннической транзакции.
Целью исследования является разработка математических моделей для прогнозирования мошеннических транзакций по банковской карте с использованием методов машинного обучения.
Для достижения цели были поставлены следующие задачи:
1) описание процесса банковской транзакции;
2) теоретическое описание машинного обучения, его виды и алгоритмы;
3) анализ и сравнение имеющихся прогнозных методов машинного обучения;
4) формулировка требований к прогнозной модели;
5) построение прогнозной модели;
6) сравнительный анализ результатов прогнозирования;
7) формирование плана коммерциализации.
Научная новизна работы заключается в том, что на основе комплексного анализа:
- рассмотрены и проанализированы методы прогнозирования;
- проведен сравнительный анализ методов;
- разработана модель прогнозирования вероятности мошеннической транзакции по банковской карте методами lightGBM, Random Forest, Logistic regression;
- проведен сравнительный анализ результатов исследования, сделаны выводы, даны рекомендации.
Практическая значимость работы обусловлена применением результатов исследования на практике, для снижения мошеннических транзакций по банковской карте.

Купить