Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids maģistra akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Kredītkaršu drošības uzturēšanas metodes maksājumu sistēmās
Nosaukums angļu valodā Credit card fraud detection methods in payment system
Autors Pratheepan Karthikeyan
Struktūrvienība 01R00 Starptautiskās sadarbības un ārzemju studentu departaments
Darba vadītājs Aleksejs Jurenoks
Recenzents Ingars Eriņš
Anotācija Šajā darbā apskatīta dažādu mašīnmācīšanās metožu pielietošana, lai atklātu krāpšanu kredītkaršu darījumos, uzlabotu krāpšanas detektēšanas precizitāti, izmantojot WEKA rīku, kā arī lai izvēlētos vispiemērotāko metodi labāko rezultātu sasniegšanai. Saskaņā ar vadošajām teorijām, ko izvēlējos, pārskatot zinātnisko literatūru no 2002. līdz 2017. gadam, krāpšanu kredītkaršu darījumos varētu atklāt sekojošas metodes: mākslīgie neironu tīkli (ANN), K-tuvākie kaimiņi(KNN), klasifikācijas un regresijas koks (CART), Bayesas tīkli, atbalsta vektoru mašīnas, naivās Bayes, loģistiskā regresija, nejaušais mežs. Ar mērķi atrast vispiemērotāko metodi precīzai detektēšanai, darbā tika apskatītas tikai šo metožu pamatversijas, izslēdzot iepriekšējo pētnieku pielietotās metodes vai metožu kombinācijas, lai atklātu krāpšanu kredītkaršu darījumos. Šajā darbā klasifikācijai tika izmantots atvērtā koda mašīnmācīšanās rīks WEKA, kas ekspertu skatījumā ir viens no labākajiem instrumentiem. Ar WEKA instrumenta palīdzību analizējot iegūtais salīdzinājums ļauj uzskatīt, ka mākslīgajiem neironu tīkliem un K-tuvākajiem kaimiņiem ir šķietami labas izlaides un labs metriskais novērtējums salīdzinājumā ar citu algoritmu pamatversijām.
Atslēgas vārdi KRĀPŠANAS ATKLĀŠANA, KREDĪTKARTES, MAŠĪNMĀCĪŠANĀS
Atslēgas vārdi angļu valodā FRAUD DETECTION, CREDIT CARD, MACHINE LEARNING
Valoda eng
Gads 2019
Darba augšupielādes datums un laiks 11.01.2019 13:03:49