Dziļo neironu tīklu pielietojums krāpniecisko transakciju identificēšanā elektroniskajā komercijā

Abstract

Darbā ir apskatīti dažādi ar kredītkartēm saistīti krāpniecības veidi un dziļo neironu tīkli. Elektroniskajā komercijā veiktā krāpniecība ir viena no mūsdienu izplatītākajām un nopietnākām problēmam, ar kuram sastapās un no kurām ekonomiski cieš gan parastais pircējs, gan uzņēmumu turētāji, gan bankas. Tāpēc, elektroniskajā komercijā plaši sāka izmantot mašīnmācīšanās metodes, lai laicīgi atpazīt un novērst krāpniecību, kā arī mazinātu krāpniecības rezultātā rādītos zaudējumus. Darbā tika aplūkoti dziļie neironu tīkli, to uzbūve un darbības princips. Praktiskajā daļā tiek parādīta dziļo neironu tīklu struktūras un parametru izmaiņu ietekme uz modeļa prognozēšanas spējām. Atslēgas vārdi: mašīnmācīšanās, dziļie neironu tīkli, elektroniskā komercija

This paper presents different creditcard fraud types and deep neural networks. Today creditcard fraud in e-commerce is one of the most significant problems, which leads to billion dollars loses all over the world. This cosequences effects the cardholders, the merchant business, the issuer and aquirer banks.Therefore, in electronic commerce, machine-learning techniques were widely used to detect and prevent fraud in a timely manner, as well as to reduce the loses caused by fraud. The work describes deep neural networks, their structure and working principles. The practical part shows the influence of structure and parameter changes of deep neural networks on model prediction performance. Atslēgas vārdi: Deep Neural Netwwork, Fraud detection, E-commerce