Details

Title Анализ транзакций клиентов банка для выявления аномальных шаблонов поведения: выпускная квалификационная работа магистра: 09.04.04 - Программная инженерия ; 09.04.04_02 - Основы анализа и разработки приложений с большими объемами распределенных данных
Creators Руденко Татьяна Федоровна
Scientific adviser Дробинцев Павел Дмитриевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2019
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects Базы данных ; прогнозирование данных ; машинное обучение ; анализ данных ; паттерны поведения ; антифрод система
UDC 004.65(043.3) ; 004.031.43(043.3)
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.04
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
Links Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2019/vr/vr19-1180
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\2441
Record create date 9/26/2019

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Выпускная квалификационная работа магистра посвящена анализу транзакций клиентов банка для выявления аномальных шаблонов поведения. В работе представлены результаты анализа существующих подходов к решению проблем мошенничества в банковской сфере, исследованы методы на основе алгоритмов машинного обучения. Приведено описание архитектуры банка, в которую можно встроить найденное решение. Представлены результаты тестирования и сделаны выводы об эффективности методов.

Graduate qualification work of the master degree is devoted to the analysis of bank customer transactions to identify abnormal patterns of behavior. In this thesis work, the results of an analysis of existing approaches to solving problems of fraud in the banking sector, and the research of methods based on machine learning algorithms. Shown a description of the bank architecture, in which the found solution can be embedded. Presented test results and conclusions about the effectiveness of the method.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 82 
Last 30 days: 0

Detailed usage statistics