欺诈检测中的机器学习：入门
作者：Samuel Flender
在不断变化的对抗环境中平衡自动化、准确性和客户体验
欺诈检测是现代电子商务的基石，但它也是机器学习中宣传最少的领域之一。这是有充分理由的：这是一个对抗性领域，欺诈者不断发明新方法来绕过现有模型，而模型开发人员不断发明新方法来捕获它们。
欺诈检测系统的目标是阻止欺诈交易，例如通过虚假账户使用被盗信用卡进行的交易，同时防止对真实客户的购物体验造成任何干扰。漏报（错误地通过系统的欺诈交易）会因实际信用卡所有者发起退款而导致金钱损失，也称为“坏账”，而误报（被阻止的真实交易）会导致不良后果。客户体验和客户流失。
考虑到现代电子商务提供商每天可能会处理数千万个订单，并且欺诈率低于百分之一的水平，您就会开始明白为什么这是一个具有挑战性的领域。这是终极的大海捞针问题，其中的大海捞针非常大，而且……
关于《欺诈检测中的机器学习：入门》的评论
暂无评论
发表评论
摘要
电子商务中的欺诈检测旨在阻止欺诈交易，同时最大限度地减少合法客户的摩擦。随着欺诈者开发新方法来规避检测系统，这个对抗性领域需要不断创新。误报会因退款而导致经济损失，而误报则会损害客户体验并导致客户流失。现代电子商务每天处理数千万个订单，欺诈率低于百分之几，准确识别欺诈交易成为一项极具挑战性的任务。