基于VAE-GWO-LightGBM的信用卡欺诈检测方法

摘要

针对信用卡欺诈检测中样本数据规模大、计算复杂程度高、数据分布极度不平衡等问题,提出一种结合变分自编码器(VAE)、灰狼算法(GWO)和轻量级梯度提升机(LightGBM)的信用卡欺诈检测(VAE-GWO-LightGBM)方法.对原始数据进行预处理,考虑到数据的不平衡性,采用VAE处理训练样本的数据不平衡问题.在扩充后的平衡数据集上,利用LightGBM作为分类器,并通过智能优化算法(GWO算法)对分类器参数进行寻优,进而获得最优分类器,提高欺诈检测性能.最后在信用卡欺诈数据和其他不平衡数据集上进行对比实验验证.结果表明,基于VAE-GWO-LightGBM的融合模型从整体上大大提高了信用卡欺诈检测的识别率.