Метод та програмне забезпечення виявлення фінансових шахрайств засобами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorЮрчишин, Василь Якович
dc.contributor.authorШапошник, Богдан Ігорович
dc.date.accessioned2025-10-16T12:35:10Z
dc.date.available2025-10-16T12:35:10Z
dc.date.issued2025
dc.description.abstractПроблема виявлення фінансових шахрайств є надзвичайно актуальною через стрімкий розвиток цифрових фінансових послуг та зростання обсягів онлайн-транзакцій. Існуючі традиційні методи, що базуються на правилах, а також базові алгоритми машинного навчання, часто виявляються недостатньо ефективними для протидії ускладненим шахрайським схемам, що зумовлює потребу в розробці більш досконалих підходів. У даній роботі запропоновано вдосконалений метод виявлення фінансових шахрайств, метою якого є підвищення точності та повноти ідентифікації шахрайських транзакцій. Запропонований комбінований підхід, на відміну від стандартних рішень, які часто обмежуються однією технікою ресемплінгу або недостатньо враховують специфіку сильного дисбалансу, дозволяє досягти значного покращення у виявленні шахрайських транзакцій. Зокрема, експериментально підтверджено за допомогою крос-валідації, що обрана комбінація технік забезпечує на 5-8% вищий показник повноти для міноритарного класу шахрайських операцій при збереженні високого та конкурентоспроможного рівня точності порівняно з іншими методами. Для реалізації методу було розроблено програмне забезпечення на мові програмування Python та з використанням бібліотек, як Pandas, NumPy, Scikitlearn та Imbalanced-learn.
dc.description.abstractotherThe problem of detecting financial fraud is extremely relevant due to the rapid development of digital financial services and the growth of online transaction volumes. Existing traditional rule-based methods, as well as basic machine learning algorithms, often prove insufficiently effective against sophisticated fraudulent schemes, necessitating the development of more advanced approaches. This work proposes an improved method for financial fraud detection, aiming to enhance the precision and recall of identifying fraudulent transactions. The proposed combined approach, unlike standard solutions often limited to a single resampling technique or inadequately addressing severe imbalance, achieves significant improvement in detecting fraudulent transactions. Specifically, cross-validation has experimentally confirmed that the chosen combination of techniques provides a 5-8% higher recall for the minority class of fraudulent operations while maintaining a high and competitive level of precision compared to other methods. To implement the method, software was developed in the Python programming language using libraries such as Pandas, NumPy, Scikit-learn, and Imbalanced-learn.
dc.format.extent148 с.
dc.identifier.citationШапошник, Б. І. Метод та програмне забезпечення виявлення фінансових шахрайств засобами машинного навчання : магістерська дис. : 121 Інженерія програмного забезпечення / Шапошник Богдан Ігорович. – Київ, 2025. – 148 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76916
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінженерія програмного забезпечення
dc.subjectвиявлення фінансових шахрайств
dc.subjectмашинне навчання
dc.subjectнезбалансовані дані
dc.subjectSMOTE
dc.subjectTomek Links
dc.subjectRandom Forest
dc.subjectPrecision
dc.subjectRecall
dc.subjectF1-score
dc.subjectAUC-ROC
dc.subjectAUC-PR
dc.subject.udc004.93
dc.titleМетод та програмне забезпечення виявлення фінансових шахрайств засобами машинного навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shaposhnyk_magistr.pdf
Розмір:
3.2 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 (ПЗКС)
Магістерські роботи