基于支持向量机的信用卡欺诈检测研究

摘要

信用卡作为一种全新的支付手段和信用工具，已经成为众多商业银行竞相推出的业务，经营信用卡业务有高收益的同时也伴随着高风险。随着我国加入WTO，电子商务高速发展，信用体系和信用支付环境的建立，越来越多的消费者选择使用信用卡进行支付。因此，确保消费者信用卡安全支付尤为重要，对比国际先进的信用卡业务的信用卡交易欺诈风险管理体系，我国商业银行的信用卡交易欺诈风险管理体系存在着很大差距。市场经济条件下，随着经济发展，信用卡欺诈行为也越来越多，主要表现为：冒用他人信用卡交易和恶意透支、伪造信用卡诈骗、使用作废信用卡诈骗。信用卡诈骗严重扰乱了正常的金融秩序，给银行和持卡人造成很大的损失，影响银行信用卡业务的健康发展。传统的交易欺诈检测方法主要基于贝叶斯算法、决策树算法和神经网络算法。这三类算法的实际学习结果往往取决于我们对于数据的理解程度和算法模型设置问题。而这两项问题的解决，往往依赖于应用者的先验知识和经验，造成了对使用者“技巧”的过分依赖。 本文仔细分析了信用卡交易的特点，发现采用数据挖掘技术能够有效地发现其内部隐藏的、潜在的异常交易模式。支持向量机是数据挖掘的一个新的研究领域，它能够很好的解决上述算法存在的问题。本文应用支持向量机算法构造了一个基于支持向量机的欺诈交易检测模型来检测高风险交易行为。具体来讲做了如下工作：把信用卡的业务数据转换为数据挖掘所需要的数据格式，并进行数据清洗、离散化、缺失数据处理等；建立支持向量机检测模型；对比分析各个模型的检测结果。 本文最后还建立了一个基于支持向量机的风险检测实验系统，对检测结果进行了评价，并提出了下一步的研究工作重点。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.2课题来源

1.3国内外研究现状

1.3.1国外研究成果

1.3.2国内研究成果

1.3.3 小结

1.4研究内容及方法

1.5论文结构

第二章信用卡欺诈识别领域的数据挖掘概述

2.1信用卡相关知识简介

2.1.1信用卡的由来

2.1.2信用卡的定义

2.2信用卡欺诈风险概述

2.2.1信用卡欺诈风险来源

2.2.2信用卡欺诈风险分类

2.2.3信用卡欺诈检测思路

2.3数据挖掘技术概述

2.3.1数据挖掘定义

2.3.2数据挖掘过程

2.3.3数据挖掘功能

2.3.4数据挖掘评估

2.4信用卡欺诈风险检测模型

第三章信用卡数据预处理

3.1数据预处理概述

3.2数据准备

3.2.1信用卡数据的组成

3.2.2增加统计字段

3.3数据清洗

3.4数据集成

3.5数据转换

3.5.1属性构造

3.5.2离散化及二值化

3.5.3规范化

3.6小结

第四章信用卡欺诈检测算法——支持向量机算法

4.1支持向量机原理

4.1.1线性分类函数

4.1.2最大边际超平面

4.1.3线性支持向量机

4.1.4非线性支持向量机

4.1.5核函数

4.1.6总结

4.2支持向量机训练

4.2.1分块算法

4.2.2固定工作样本集算法

4.2.3序贯最小化算法(SMO)

4.3支持向量机模型选择

第五章基于支持向量机的信用卡欺诈检测系统

5.1欺诈检测系统的建立及其评价

5.1.1功能模块与流程设计

5.1.2实验平台与程序界面

5.2实验过程

5.2.1数据预处理

5.2.2实验数据选择

5.2.3模型参数选择

5.2.4模型分析

5.3实验结果对比及评价

5.4 小结

第六章总结与展望

参考文献

致谢

读研期间发表论文及科研情况