정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 41 / 42
| 한글제목(Korean Title) |
오토인코더를 활용한 효율적인 신용카드 사기 탐지 지도 기법 |
| 영문제목(English Title) |
Efficient Supervised Credit Card Fraud Detection Technique using Autoencoder |
| 저자(Author) |
이용현
구해모
김형주
YongHyun Lee
HeyMo Kou
Hyoung-Joo Kim
|
| 원문수록처(Citation) |
VOL 25 NO. 01 PP. 0001 ~ 0008 (2019. 01) |
한글내용
(Korean Abstract) |
신용카드 결제 이상 거래 탐지는 카드의 사용이 실시간으로 이루어지고, 탐지가 즉각적으로 이 루어져야 한다는 점에서 스트리밍 데이터 분석으로 볼 수 있고, 이는 배치 분석보다 더 빠른 실시간 분석 을 요구한다. 데이터에서 핵심 부분만을 추출하여 분석하는 방법은 이러한 연산 속도의 요구사항을 잘 만 족시킬 수 있을 것이고, 주성분 분석 등의 기법을 통해 이루어져 왔다. 본 논문에서는 인공신경망을 활용 한 차원 축소 기법인 오토인코더로 데이터를 전처리하여 데이터의 차원을 축소한 후 데이터 마이닝 기법 을 적용하는 방법을 제안한다. 오토인코더는 데이터 차원들 간의 비선형적인 결합 관계도 포착할 수 있기 에 보다 효과적인 차원 축소 방법이다. 또한 이를 데이터베이스 내에서의 이상 탐지 분석에 어떻게 사용 할 지에 대하여 CQL과의 연동 방법론을 제시하고자 한다.
|
영문내용
(English Abstract) |
Credit card fraud detection can be viewed as Streaming Data Analysis in which a card is used in real time and the detection must be done immediately. This requires a real time analysis that is faster than the batch analysis. The method of extracting and analyzing only the core part of the data will satisfy the requirements of this computation speed. This has been done through techniques such as principal component analysis. In this paper, we propose a method that applies data mining techniques after reducing the dimension of data by preprocessing the data with Autoencoder. This method is known as the dimension reduction method and it uses a Neural Network. Autoencoder is a very efficient method of dimension reduction because it can capture nonlinear associations between data feature dimensions. We also propose a methodology to combine Autoencoder with CQL for fraud detection analysis in the database.
|
| 키워드(Keyword) |
오토인코더
이상 거래 탐지
차원 축소
데이터 정리
autoencoder
fraud detection
dimentionality reduction
data reduction
|
| 파일첨부 |
PDF 다운로드
|
