Erkennung von Kreditkartenbetrug mithilfe eines kortikalen Lernalgorithmus
Versandkostenfrei!
Versandfertig in 6-10 Tagen
39,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Da Finanzinstitute weltweit auf eine bargeldlose Wirtschaft hinarbeiten, indem sie die Kaufkraft der Bürger erhöhen und die hohen Kosten für den Umgang mit Bargeld senken, ist die Verwendung von Kreditkarten für diesen Zweck von großer Bedeutung. Mit diesem neuen Vorstoß hin zu einer bargeldlosen Wirtschaft wird es daher zu einem deutlichen Anstieg der Kreditkartennutzung und damit auch der damit verbundenen betrügerischen Aktivitäten kommen. Diese Arbeit dient als proaktive Maßnahme zur Erkennung betrügerischer Aktivitäten im Zusammenhang mit Kreditkarten. Die Studie präsentiert e...
Da Finanzinstitute weltweit auf eine bargeldlose Wirtschaft hinarbeiten, indem sie die Kaufkraft der Bürger erhöhen und die hohen Kosten für den Umgang mit Bargeld senken, ist die Verwendung von Kreditkarten für diesen Zweck von großer Bedeutung. Mit diesem neuen Vorstoß hin zu einer bargeldlosen Wirtschaft wird es daher zu einem deutlichen Anstieg der Kreditkartennutzung und damit auch der damit verbundenen betrügerischen Aktivitäten kommen. Diese Arbeit dient als proaktive Maßnahme zur Erkennung betrügerischer Aktivitäten im Zusammenhang mit Kreditkarten. Die Studie präsentiert ein hierarchisches, auf zeitlichem Gedächtnis basierendes Modell, das betrügerische Transaktionen mit Kreditkarten erkennen kann. Zur Erstellung des Modells zur Erkennung von Kreditkartenbetrug wurde ein neuartiger Ansatz im maschinellen Lernen verwendet, der als Cortical Learning Algorithm bekannt ist. Der Algorithmus arbeitete mit Kreditkartendaten aus dem UCI-Repository, wandelte die hochpopulären Daten in eine spärliche Darstellung um und nutzte dann seine Lernspalten, um räumliche Muster zu lernen. In dieser Arbeit wurde die objektorientierte Analyse- und Entwurfsmethodik verwendet und mit der Programmiersprache Java implementiert. Das resultierende Modell führte Online-Lernen durch und erzielte eine hohe prozentuale Genauigkeit.
Andere Kunden interessierten sich für
