Details

Title: Обнаружение Fraud-мошенничества в транзакциях кредитных карт с применением методов машинного обучения: выпускная квалификационная работа специалиста: 10.05.04 - Информационно-аналитические системы безопасности ; 10.05.04_01 - Автоматизация информационно-аналитической деятельности
Creators: Кохова Ольга Николаевна
Scientific adviser: Лаврова Дарья Сергеевна
Other creators: Резединова Евгения Юрьевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: системы предотвращения аномалий в банковских транзакциях; банковские транзакции; утечки конфиденциальной информации и денежных средств; машинное обучение; уязвимости в транзакциях кредитных карт; data leak prevention; data breach; machine learning; word embeddings; document embeddings; WORD2VEC; DOC2VEC; LSTM
Document type: Specialist graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 10.05.04
Speciality group (FGOS): 100000 - Информационная безопасность
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-88
Rights: Доступ по паролю из сети Интернет (чтение)

Allowed Actions:

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

Group: Anonymous

Network: Internet

Annotation

В работе предложен подход для предотвращения хищения средств с банковских карт при выполнении транзакций, основанный на применении метода машинного обучения Random Forest. Его отличительной особенностью является, то что можно учесть показания отельных атрибутов, задать глубину деревьев классификации и количество самих деревьев.

The paper proposes an approach to prevent the theft of funds from bank cards when performing transactions based on the use of the Random Forest machine learning method. Its distinguishing feature is that it is possible to take into account the readings of individual attributes, set the depth of the classification trees and the number of trees themselves.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Usage statistics

stat Access count: 42
Last 30 days: 1
Detailed usage statistics