Detection Method of Fraudulent Payment Transaction Based on C-Score Metric

Скорочена інформація про документ
dc.contributor.authorKorynetskyi, Dmytro
dc.contributor.authorStetsenko, Inna V.
dc.date.accessioned2026-02-05T08:39:02Z
dc.date.available2026-02-05T08:39:02Z
dc.date.issued2025
dc.description.abstractFraud detection for payment transactions is a cost-sensitive task, as the costs associated with misclassification – such as missing a fraudulent transaction or incorrectly blocking a legitimate one – can vary significantly depending on business priorities. Traditional evaluation metrics, particularly the F1-score, ignore this asymmetry, creating a need for more flexible approaches. This research focuses on developing a method for building adaptive, cost-sensitive fraud detection systems. The aim is to develop a method that enables the practical application of the cost-sensitive C-score metric to configure a multi-level decision logic. The paper also presents a possible software architecture for its implementation. The proposed two-phase method (offline calibration and online scoring) uses the C-score metric to determine multiple decision thresholds corresponding to different business scenarios. Its validation was conducted on the public “Credit Card Fraud Detection” dataset using the XGBoost algorithm. The Synthetic Minority Over-sampling Technique (SMOTE) was applied to overcome the severe class imbalance in the data, and a comparison was made against the traditional F1-score-based approach. The experimental results showed that the proposed approach allows for the identification of two distinct thresholds from a single classifier. The first threshold ensures high precision, making it suitable for automated blocking of payment transactions with minimal false positives. The second threshold, focused on high recall, enables the selection of suspicious payment transactions for subsequent manual review. It was also confirmed that the SMOTE significantly contributed the model's class separation ability, thereby increasing the reliability of calibrating these thresholds. Based on the method, a practical blueprint for a service-oriented architecture is proposed for creating flexible and configurable anti-fraud systems.
dc.description.abstractotherВиявлення шахрайських платіжних операції є вартісно-чутливою задачею, оскільки вартість помилок, таких як пропуск шахрайських або помилкове блокування легітимних транзакцій, суттєво різниться і залежить від бізнес-пріоритетів. Традиційні методи оцінки, зокрема F1-score, ігнорують цю асиметрію, що створює потребу в розробці більш гнучких підходів. Дослідження сфокусоване на розробці методу для побудови адаптивних, вартісно-чутливих систем виявлення шахрайських платіжних операції. Метою роботи є розробка методу, який дозволяє практично застосувати вартісно-чутливу метрику C-score для налаштування багаторівневої логіки прийняття рішень. У роботі також представлена можлива архітектура програмного забезпечення для реалізації цього методу. Запропонований двофазний метод (офлайн-калібрування та онлайн-скоринг) використовує метрику C-score для визначення кількох порогових значень, що відповідають різним бізнес-сценаріям. Його валідація проводилася на публічному наборі даних «Credit Card Fraud Detection» за допомогою алгоритму XGBoost. Для подолання сильного дисбалансу класів у даних було застосовано метод синтетичного доповнення вибірки меншого класу (SMOTE), а результати порівнювалися з традиційним підходом на основі F1-score. Результати експериментів показали, що запропонований підхід дозволяє ідентифікувати два різні пороги з одного класифікатора. Перший поріг забезпечує високу точність, що дозволяє мінімізувати кількість хибних спрацювань і використовувати його для автоматичного блокування платіжних транзакцій. Другий поріг, орієнтований на високу повноту, дає змогу відбирати підозрілі платіжні транзакції для подальшого ручного аналізу. Було також підтверджено, що SMOTE значно покращує здатність моделі до розділення класів, що підвищує надійність калібрування цих порогів. На основі методу запропоновано сервісно-орієнтовану архітектуру для створення гнучкої систем протидії шахрайству.
dc.format.pagerangeP. 75-86
dc.identifier.citationKorynetskyi, D. Detection Method of Fraudulent Payment Transaction Based on C-Score Metric / Dmytro Korynetskyi, Inna Stetsenko // Information, Computing and Intelligent systems. – 2025. – No. 6. – P. 75-86. – Bibliogr.: 11 ref.
dc.identifier.doihttps://doi.org/10.20535/2786-8729.6.2025.333898
dc.identifier.orcid0000-0002-4601-0058
dc.identifier.orcid0000-0002-4601-0058
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78658
dc.language.isoen
dc.publisherNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
dc.publisher.placeKyiv
dc.relation.ispartofInformation, Computing and Intelligent systems, No.6, 2025
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectfraud detection
dc.subjectC-score
dc.subjectF1-score
dc.subjectcost-sensitive learning
dc.subjectanti-fraud software
dc.subjectвиявлення шахрайства
dc.subjectвартісно-чутливе навчання
dc.subjectпрограмне забезпечення протидії шахрайству
dc.subject.udc004.42:004.8
dc.titleDetection Method of Fraudulent Payment Transaction Based on C-Score Metric
dc.title.alternativeМетод виявлення шахрайських платіжних операцій з використанням метрики C-score
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
75-86.pdf
Розмір:
1.22 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

Information, Computing and Intelligent systems, No. 6