Застосування засобів машинного навчання для детекції аномалій в транзакціях банків

Скорочена інформація про документ
dc.contributor.advisorКирюша, Богдан Анатолійович
dc.contributor.authorБевз, Дмитро Олександрович
dc.date.accessioned2023-05-10T12:44:23Z
dc.date.available2023-05-10T12:44:23Z
dc.date.issued2020
dc.description.abstractУ магістерській дисертації досліджується аналіз можливостей для детекції аномалій в транзакціях банків за допомогою засобів машинного навчання. Дана тема є актуальною, так як наразі не існує методу чи алгоритму який давав би результат з високою точністю. А так як об'єм даних для аналізу може перевищувати тисячі записів за хвилину, то оператор самостійно не має можливості аналізувати операції, тому постає питання про їх автоматизовану обробку. Основною метою дипломної роботи є розробка способу пошуку аномалій в фінансових транзакціях за допомогою сучасних інструментів обробки даних у реальному часі. Об’єктом дослідження є аномалії, що виникають в потоках фінансових транзакцій та можуть сигналізувати про порушення безпеки або цілісності автоматизованих фінансових систем. Були розглянуті основні задачі машинного навчання, розглянуті існуючі алгоритми та методи для вирішення задач детекції аномалій в транзакціях банків за допомогою методів машинного навчання, розроблено та реалізовано алгоритм для вирішення даної задачі. Доопрацюваний продукт, може викристовуватися оператором як основний інструмент пошуку аномалій. Отже, науковою новизною є саме запропонований підхід до вирішення задачі детекції аномалій в транзакціях банків. Загальний обсяг роботи: 73 сторінки, 18 рисунків, 26 таблиць та 45 бібліографічних найменувань.uk
dc.description.abstractotherThe master's thesis explores the analysis of the possibilities for detecting anomalies in bank transactions using machine learning tools. This topic is relevant, since there is no method or algorithm yet that would give a result with high accuracy. And since the amount of data for analysis can exceed thousands of records per minute, the operator is not able to analyze operations on his own, so the question arises about their automated processing. The main goal of the work is to develop a method for searching for anomalies in financial transactions using modern data processing tools in real time. The object of the study is anomalies that occur in the flows of financial transactions and can signal a breach of security or integrity of automated financial systems. The main tasks of machine learning were considered, the existing algorithms and methods for solving the problems of detection of anomalies in bank transactions with the help of machine learning methods were considered, the algorithm for solving this problem was developed and implemented. The modified product can be used by the operator as the main tool for finding anomalies. Scientific novelty is the proposed approach to solving the problem of detecting anomalies in bank transactions. Total volume of work: 73 pages, 18 figures, 26 tables and 45 bibliographic names.uk
dc.format.extent72 с.uk
dc.identifier.citationБевз, Д. О. Застосування засобів машинного навчання для детекції аномалій в транзакціях банків : магістерська дис. : 122 Комп’ютерні науки / Бевз Дмитро Олександрович. – Київ, 2020. – 72 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/55536
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectтранзакціїuk
dc.subjectпошук аномалійuk
dc.subjectчасові рядиuk
dc.subjectmachine learninguk
dc.subjecttransactionsuk
dc.subjectanomaly searchuk
dc.subjecttime seriesuk
dc.subject.udc004.855uk
dc.titleЗастосування засобів машинного навчання для детекції аномалій в транзакціях банківuk
dc.title.alternativeApplication of machine learning tools to detect anomalies in bank transactionsuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Bevz_magistr.docx
Розмір:
1.41 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (СП)
Магістерські роботи