Slēptā Markova modeļa izmantošana maksājumu karšu krāpniecisko darījumu noteikšanā

Abstract

Diplomdarbs iepazīstina ar Slēpto Markova Modeli (SMM), tā pamatidejām un pielietojuma iespējām maksājumu karšu krāpniecisko darījumu noteikšanā. Darbā dots teorētiskais izklāsts par SMM, tā trīs pamatproblēmām un to risinājumu, tiek aprakstīta K-vidējā klāsterizācijas metode. Tiek izklāstīta metode kā pielietot SMM maksājumu karšu krāpniecisko darījumu noteikšanā. Darba praktiskajā daļā ar reāliem karšu lietotāju datiem tiek pārbaudīta SMM funkcionalitāte krāpniecisko darījumu noteikšanā. Tiek meklēti labākie modeļa parametri (pārejas varbūtību matrica A, novērojumu simbolu varbūtību matrica B un sākuma stāvokļu varbūtību matrica π), kā arī tiek analizēti modeļa dizaina parametri (stāvokļu skaits, virknes garums un ticamības līmeņa vērtība) un to ietekme uz SMM sniegumu krāpniecisko darījumu noteikšanā.

Atslēgvārdi: Slēptais Markova Modelis (SMM), SMM trīs pamatproblēmas, K-vidējā klāsterizācijas metode, SMM izmantošana maksājumu karšu krāpniecisko darījumu noteikšanā.

This work introduces with Hidden Markov Model (HMM), its basic ideas and its potential in credit card fraud detection. This work gives a theoretical description of HMM, its three basic problems and their solutions, and description of K-means clustering method. The work introduces with HMM potential for credit card fraud detection. In practical part HMM functionality is tested for credit card fraud detection with real cardholder data. The best model parametres (state transition probability matrix A, observation simbol probability matrix B and initial state probabilty matrix π) are searched for, and model design parametres (number of states, sequence length and threshold value) are analyzed in order to determine their impact to the HMM performance in credit card fraud detection. Keywords: Hidden Markov Model (HMM), HMM three basic problems, K-means clustering, credit card fraud detection using HMM.