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
Level of education Specialist
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)
Record key ru\spstu\vkr\392
Record create date 2/28/2019

Allowed Actions

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

Group Anonymous
Network Internet

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.

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

Access count: 98 
Last 30 days: 0

Detailed usage statistics