Виявлення шахрайської платіжної діяльності на основі моделей машинного навчання
| dc.contributor.advisor | Кузнєцова, Наталія Володимирівна | |
| dc.contributor.author | Пишнюк, Артем Олегович | |
| dc.date.accessioned | 2023-09-18T14:02:53Z | |
| dc.date.available | 2023-09-18T14:02:53Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Дипломна робота: 95 с., 25 рис., 7 табл., 2 дод., 14 джерел. Обʼєкт дослідження: методи і моделі машинного навчання. Предмет дослідження: методи і моделі класифікації для прогнозування шахрайських платіжних транзакцій. Мета дослідження: розробка ефективної моделі машинного навчання для автоматичного прогнозування ймовірності того, чи є платіжна транзакція конкретного користувача шахрайською. Використані моделі: у програмній реалізації було використано логістичну регресію, дерева рішень, випадковий ліс, XGBoost та SVM. Актуальність роботи зумовлена тим, що у сучасному цифровому світі шахрайська платіжна діяльність стає все більшою загрозою для економіки та фінансової безпеки державних та приватних установ. Зловмисники постійно шукають нові способи обману та незаконного збагачення за рахунок платіжних систем. Отриманні результати: побудована модель виявлення шахрайських платіжних транзакцій, що може прогнозувати чи є конкретна транзакція шахрайською з прийнятною точністю. В рамках подальшого дослідження пропонується підвищувати точність отриманої моделей, покращити та збагачувати дані для моделі, застосувати нові методи і підходи, такі як, наприклад, глибокі нейронні мережі та методи виявлення аномалій. | uk |
| dc.description.abstractother | Thesis: 95 p., 25 fig., 7 tabl., 2 app., 14 references. Object of research: methods and models of machine learning. Subject of research: classification methods and models for predicting fraudulent payment transactions. The purpose of the work: developing an effective machine learning model to predict the probability of whether a particular user's payment transaction is fraudulent. Used models: logistic regression, decision trees, random forest, XGBoost and SVM were used in the software implementation. The relevance of the work is due to the fact that in today's digital world, fraudulent payment activity is becoming an increasing threat to the economy and financial security of public and private institutions. Criminals are constantly looking for new ways to cheat and illegally enrich themselves at the expense of payment systems. The results obtained: a model for detecting fraudulent payment transactions is built, which can predict whether a specific transaction is fraudulent with acceptable accuracy. As part of further research, it is suggested to increase the accuracy of the obtained model, to improve and enrich the data for the model, to apply new methods and approaches, such as, for example, deep neural networks and anomaly detection methods | uk |
| dc.format.extent | 95 с. | uk |
| dc.identifier.citation | Пишнюк, А. О. Виявлення шахрайської платіжної діяльності на основі моделей машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Пишнюк Артем Олегович. – Київ, 2023. – 95 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/60464 | |
| dc.language.iso | uk | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | бінарна класифікація | uk |
| dc.subject | логістична регресія | uk |
| dc.subject | дерева рішень | uk |
| dc.subject | xgboost | uk |
| dc.subject | svm | uk |
| dc.subject | machine learning | uk |
| dc.subject | binary classification | uk |
| dc.subject | logistic regression | uk |
| dc.subject | decision trees | uk |
| dc.title | Виявлення шахрайської платіжної діяльності на основі моделей машинного навчання | uk |
| dc.type | Bachelor Thesis | uk |