Виявлення шахрайської платіжної діяльності на основі методів ШІ

Скорочена інформація про документ
dc.contributor.advisorКузнєцова, Наталія Володимирівна
dc.contributor.authorПишнюк, Артем Олегович
dc.date.accessioned2025-02-20T14:04:54Z
dc.date.available2025-02-20T14:04:54Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 109 с., 27 рис., 24 табл., додаток, 15 посилань. Об’єкт дослідження: методи і моделі штучного інтелекту. Предмет дослідження: методи і моделі класифікації для прогнозування шахрайських платіжних транзакцій. Мета дослідження: розробка ефективної моделі штучного інтелекту для автоматичного прогнозування ймовірності шахрайства у платіжних транзакціях в мережі інтернет. Використані моделі: у програмній реалізації було використано нейронні мережі, SVM, логістичну регресію, дерева рішень, випадковий ліс, XGBoost. Актуальність роботи зумовлена різким зростанням кількості платіжного шахрайства в мережі інтернет в останні роки. Це в свою чергу стає все більшою загрозою для світової економіки та фінансової безпеки, а приватні та державні установи несуть все більші збитки. Шахраї постійно вдосконалюють способи обману та шукають нові задля незаконного збагачення за рахунок платіжних онлайн-систем. Отриманні результати: побудована якісна модель виявлення шахрайських платіжних онлайн-транзакцій, що може прогнозувати ймовірність конкретної транзакції бути шахрайською. У межах подальшого дослідження пропонується перш за все підвищувати якість розмітки даних, шукати нові ознаки, збільшувати інформативність вже наявних, застосувати нові методи і підходи, такі як, наприклад, метод виявлення аномалій.
dc.description.abstractotherMaster's thesis: 109 p., 27 figures, 24 tables, 15 references, 1 appendix. The object of the study is methods and models of artificial intelligence. The subject of the study is classification methods and models for predicting fraudulent payment transactions. The purpose of the study is to develop an efficient artificial intelligence model for automatically predicting the likelihood of fraud in online payment transactions. Models used: the implementation utilized neural networks, SVM, logistic regression, decision trees, random forest, and XGBoost. Relevance of the study: the sharp increase in online payment fraud in recent years highlights the importance of addressing this issue. It has become an escalating threat to the global economy and financial security, causing significant losses for private and governmental organizations. Fraudsters continuously enhance their deceptive tactics and seek new methods to exploit online payment systems for illegal gains. Results achieved: a high-quality model for detecting fraudulent online payment transactions was developed, capable of predicting the likelihood of a specific transaction being fraudulent. Future research directions: future work should focus on improving data labeling quality, identifying new features, increasing the informativeness of existing ones, and applying novel methods and approaches, such as anomaly detection techniques.
dc.format.extent109 с.
dc.identifier.citationПишнюк, А. О. Виявлення шахрайської платіжної діяльності на основі методів ШІ : магістерська дис. : 122 Комп'ютерні науки / Пишнюк Артем Олегович. - Київ, 2024. - 109 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72667
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectштучний інтелект
dc.subjectмашинне навчання
dc.subjectбінарна класифікація
dc.subjectнейронні мережі
dc.subjectлогістична регресія
dc.subjectдерева рішень
dc.subjectxgboost
dc.subjectsvm
dc.subjectartificial intelligence
dc.subjectmachine learning
dc.subjectbinary classification
dc.subjectneural networks
dc.subjectlogistic regression
dc.subjectdecision trees
dc.subject.udc[004.89:004.056:336.717](043.3)
dc.titleВиявлення шахрайської платіжної діяльності на основі методів ШІ
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pyshniuk_magistr.pdf
Розмір:
5.96 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи