Моделі машинного навчання для виявлення шахрайських транзакцій у фінансових системах

Скорочена інформація про документ
dc.contributor.advisorПишнограєв, Іван Олександрович
dc.contributor.authorПилипенко, Артем Володимирович
dc.date.accessioned2025-09-16T08:48:47Z
dc.date.available2025-09-16T08:48:47Z
dc.date.issued2025
dc.description.abstractДипломна робота: 84 ст., 25 рис., 2 табл., 14 посилань, 2 додатки. У роботі досліджується застосування моделей машинного навчання для виявлення шахрайських транзакцій у фінансових системах. Основну увагу приділено каскадній моделі, яка включає кілька етапів з різними методами класифікації та обробки даних. Описано побудову моделі — від попередньої обробки до застосування складних алгоритмів. Мета дослідження — створити ефективну каскадну модель для точного й своєчасного виявлення шахрайства, що сприятиме зниженню фінансових ризиків і підвищенню якості моніторингу. Об’єктом дослідження є процес виявлення шахрайських транзакцій у фінансових системах шляхом застосування машинного навчання. Предметом дослідження є каскадна модель для класифікації транзакцій на основі статистичних ознак, класифікаційних алгоритмів та нейронних мереж. Актуальність цієї роботи зумовлена стрімким зростанням кількості онлайн-платежів та цифрових фінансових операцій, що у свою чергу, робить проблему виявлення шахрайських транзакцій надзвичайно актуальною для забезпечення безпеки користувачів і стабільного функціонування фінансових систем. Проаналізовано підходи до обробки транзакцій, формування ознак і виявлення аномалій у контексті боротьби з шахрайством. Показано переваги каскадного моделювання, яке забезпечує ефективну роботу з великими фінансовими даними та підвищує точність виявлення шахрайських операцій.
dc.description.abstractotherThesis: 64 pages, 25 figures, 2 tables, 14 sources, 2 appendices. This work explores the application of machine learning models for detecting fraudulent transactions in financial systems. The primary focus is on a cascade model that involves multiple stages with various classification and data processing methods. The model development is described from preprocessing to the use of advanced algorithms. The aim of the research is to create an effective cascade model for accurate and timely fraud detection, which will help reduce financial risks and improve monitoring quality. The object of the study is the process of detecting fraudulent transactions in financial systems using machine learning. The subject is the cascade model for classifying transactions based on statistical features, classification algorithms, and neural networks. The relevance of this work is driven by the rapid growth of online payments and digital financial operations, which makes fraud detection a pressing issue for ensuring user security and the stable functioning of financial systems. The study analyzes approaches to transaction processing, feature engineering, and anomaly detection in the context of fraud prevention. It highlights the advantages of cascade modeling, which enables efficient handling of large financial datasets and enhances the accuracy of fraud detection.
dc.format.extent84 с.
dc.identifier.citationПилипенко, А. В. Моделі машинного навчання для виявлення шахрайських транзакцій у фінансових системах : дипломна робота … бакалавра : 122 Комп'ютерні науки / Пилипенко Артем Володимирович. – Київ, 2025. – 84 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76039
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмоделі машинного навчання
dc.subjectшахрайські транзакції
dc.subjectфінансові системи
dc.subjectкаскадне моделювання
dc.subjectархітектура моделі
dc.titleМоделі машинного навчання для виявлення шахрайських транзакцій у фінансових системах
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pylypenko_bakalavr.pdf
Розмір:
7.72 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

Бакалаврські роботи (ШІ)
Бакалаврські роботи