Phát hiện gian lận trong giao dịch thương mại điện tử bằng cách tiếp cận mới kết hợp LightGBM và PSO: Trường hợp của Ethereum

Khóa luận – Nguyễn Ngọc Trúc Quỳnh: Phát hiện gian lận giao dịch Ethereum LightGBM + PSO, ĐHKHT TP.HCM 2025

• Tác giả: Nguyễn Ngọc Trúc Quỳnh
• Người hướng dẫn: TS. Nguyễn Phan Anh Huy
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Thương mại điện tử
• Đề tài: Phát hiện gian lận trong giao dịch thương mại điện tử bằng cách tiếp cận mới kết hợp LightGBM và PSO: Trường hợp của Ethereum
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan phát hiện gian lận Ethereum bằng LightGBM PSO 2025

Sự bùng nổ của thương mại điện tử phi tập trung mang lại nhiều bước tiến vượt bậc. Mạng lưới Ethereum trở thành nền tảng thanh toán phổ biến nhờ hợp đồng thông minh. Tuy nhiên, các hành vi lừa đảo tài chính cũng gia tăng nhanh chóng. Kẻ gian thường lợi dụng tính chất ẩn danh để chiếm đoạt tài sản. Vì thế, đề tài phát hiện gian lận giao dịch thương mại điện tử Ethereum LightGBM PSO tại ĐHKHT TP.HCM 2025 đã ra đời. Công trình tập trung giải quyết bài toán an ninh giao dịch trên nền tảng chuỗi khối. Phương pháp kết hợp sức mạnh phân loại của thuật toán LightGBM cùng khả năng tối ưu hóa tham số từ giải thuật bầy đàn PSO. Mô hình hướng đến việc phân tích dữ liệu hành vi từ sổ cái công khai mà không xâm phạm quyền riêng tư của chủ ví. Các thử nghiệm học thuật chứng minh tính hiệu quả vượt trội của phương pháp tiếp cận mới. Tỷ lệ phát hiện giao dịch bất thường đạt mức cao, giảm thiểu tối đa các cảnh báo sai. Nghiên cứu tạo tiền đề vững chắc cho việc xây dựng hạ tầng thương mại điện tử an toàn và bền vững.

1.1. Bối cảnh bùng nổ thương mại điện tử blockchain

Thương mại điện tử đang chuyển dịch mạnh mẽ sang công nghệ Web3. Các sàn thương mại điện tử phi tập trung chọn Ethereum làm đồng tiền thanh toán chính. Khối lượng thanh toán qua ví điện tử tăng nhanh mỗi ngày. Người mua và người bán hưởng lợi từ tốc độ giao dịch xuyên biên giới. Chi phí trung gian giảm đáng kể nhờ hợp đồng thông minh tự động. Tuy nhiên, môi trường này thiếu vắng cơ chế bảo hộ pháp lý truyền thống. Tội phạm mạng nhanh chóng chuyển hướng tấn công vào các giao dịch mua bán. Kẻ gian tạo ra nhiều bẫy lừa đảo tinh vi nhằm chiếm đoạt tài sản số. Sự thiếu vắng công cụ kiểm soát đe dọa sự phát triển lành mạnh của toàn bộ thị trường thương mại điện tử số.

1.2. Mục tiêu nghiên cứu và đóng góp học thuật

Nghiên cứu tập trung giải quyết bài toán phát hiện hành vi gian lận trên Ethereum. Mục tiêu hàng đầu là nâng cao độ chính xác trong phân loại dữ liệu bất cân bằng. Tác giả kết hợp mô hình LightGBM với giải thuật tối ưu bầy đàn PSO. Đề tài xây dựng quy trình trích xuất đặc trưng giao dịch toàn diện. Các đặc trưng này phản ánh chính xác tần suất, giá trị và lịch sử luân chuyển dòng tiền. Đóng góp học thuật thể hiện qua việc tối ưu hóa tự động các siêu tham số quan trọng. Quy trình giúp giảm thời gian huấn luyện mô hình trên các tập dữ liệu quy mô lớn. Kết quả nghiên cứu cung cấp cơ sở lý luận vững chắc cho việc ứng dụng trí tuệ nhân tạo trong an ninh mạng blockchain.

II. Thách thức gian lận giao dịch thương mại điện tử trên Ethereum

Hệ sinh thái Ethereum hoạt động trên cơ chế phi tập trung và tính bất biến. Một khi giao dịch được xác thực, dữ liệu không thể chỉnh sửa hay hoàn tác. Đặc điểm này mang lại sự minh bạch nhưng cũng gây ra rủi ro nghiêm trọng. Nạn nhân của các vụ lừa đảo thương mại điện tử không thể đòi lại tài sản đã mất. Hơn nữa, các địa chỉ ví chỉ tồn tại dưới dạng chuỗi ký tự ẩn danh. Việc xác định danh tính kẻ gian ngoài đời thực gần như bất khả thi. Thách thức tiếp theo đến từ tốc độ và quy mô dữ liệu khổng lồ. Mạng lưới Ethereum xử lý hàng triệu giao dịch mỗi ngày với tốc độ cao. Dữ liệu gian lận chiếm tỷ lệ rất nhỏ so với các giao dịch thông thường. Sự mất cân bằng dữ liệu nghiêm trọng này khiến các mô hình học máy truyền thống dễ bị sai lệch. Kẻ tấn công liên tục thay đổi thủ đoạn qua các hợp đồng thông minh phức tạp. Kẻ gian tạo ra nhiều mạng lưới tài khoản ảo để rửa tiền nhanh chóng. Do đó, các hệ thống phòng thủ bắt buộc phải có khả năng phân tích đa chiều và cảnh báo sớm trước khi giao dịch được ghi vào khối.

2.1. Tính ẩn danh và tính bất biến trên blockchain

Mạng lưới Ethereum bảo vệ người dùng thông qua các địa chỉ mã hóa công khai. Tuy nhiên, tính chất này tạo điều kiện thuận lợi cho các đối tượng lừa đảo. Đối tượng xấu dễ dàng ngụy trang hành vi phi pháp dưới danh nghĩa giao dịch mua sắm trực tuyến. Sau khi chuyển tiền thành công, tính bất biến của blockchain ngăn chặn mọi can thiệp hoàn trả. Các cơ quan quản lý không thể đóng băng tài khoản hay thu hồi dòng tiền ngay lập tức. Tính bất biến biến mọi sai sót thành tổn thất tài chính vĩnh viễn cho nạn nhân. Hệ thống phòng ngừa vì thế phải hoạt động theo cơ chế thời gian thực. Việc nhận diện rủi ro cần diễn ra ngay trong giai đoạn giao dịch chờ xử lý.

2.2. Vấn đề mất cân bằng dữ liệu và tốc độ xử lý

Số lượng giao dịch gian lận thực tế luôn chiếm tỷ lệ cực kỳ thấp trên mạng lưới. Đa phần các dữ liệu thu thập được thuộc về các hoạt động thương mại hợp pháp. Hiện tượng mất cân bằng dữ liệu nghiêm trọng này khiến mô hình học máy thông thường có xu hướng dự đoán nhầm. Thuật toán thường bỏ sót các giao dịch đáng ngờ để tối ưu hóa độ chính xác tổng thể. Thêm vào đó, khối lượng giao dịch phát sinh liên tục đặt ra gánh nặng lớn về tài nguyên phần cứng. Các thuật toán phân tích truyền thống thường quá chậm để đáp ứng môi trường giao dịch trực tiếp. Nếu không có thuật toán tối ưu, độ trễ phân tích sẽ khiến hệ thống phòng ngừa hoàn toàn mất tác dụng.

III. Phương pháp phát hiện gian lận Ethereum kết hợp LightGBM và PSO

Giải pháp nghiên cứu kết hợp giữa LightGBM và Particle Swarm Optimization (PSO) tạo nên bước đột phá công nghệ. LightGBM là thư viện tăng cường độ dốc hiệu suất cao do Microsoft phát triển. Thuật toán áp dụng chiến lược phát triển cây theo lá thay vì theo tầng truyền thống. Cơ chế này giúp giảm thiểu hàm mất mát nhanh hơn và tiết kiệm đáng kể bộ nhớ xử lý. Tuy nhiên, hiệu năng của LightGBM phụ thuộc chặt chẽ vào việc tinh chỉnh siêu tham số. Lúc này, giải thuật bầy đàn PSO đóng vai trò tìm kiếm không gian tham số tối ưu. Các hạt trong bầy di chuyển và chia sẻ vị trí tốt nhất qua từng vòng lặp. Quá trình tự động hóa này giúp tìm ra các tham số lý tưởng như tốc độ học và độ sâu cây. Mô hình lai xử lý mượt mà các dữ liệu phi tuyến tính phức tạp trên sổ cái Ethereum. Sự phối hợp này triệt tiêu tình trạng học vẹt và cải thiện mạnh mẽ khả năng tổng quát hóa dữ liệu. Kết quả phân loại vượt trội rõ rệt khi so sánh với các mạng nơ-ron truyền thống như MLP.

3.1. Thuật toán LightGBM với chiến lược tăng trưởng lá

LightGBM mang lại tốc độ xử lý nhanh gấp nhiều lần so với các thuật toán boosting cổ điển. Cốt lõi của mô hình nằm ở kỹ thuật phân nhánh theo lá tốt nhất. Thuật toán chọn lá có mức giảm tổn thất cao nhất để tiếp tục phân tách dữ liệu. Nhờ vậy, mô hình đạt độ chính xác cao hơn với cùng số lượng lá quyết định. Ngoài ra, thuật toán tích hợp kỹ thuật gom nhóm đặc trưng độc quyền và đóng gói histogram. Bộ nhớ tính toán được tối ưu hóa tối đa trong suốt chu kỳ huấn luyện. Các thuộc tính giao dịch số được phân loại chính xác trong vài phần nghìn giây. Đây là yếu tố sống còn khi ứng dụng vào hệ thống phát hiện gian lận thời gian thực.

3.2. Cơ chế tối ưu hóa bầy đàn PSO cho siêu tham số

Thuật toán bầy đàn PSO mô phỏng hành vi di chuyển bầy đàn của chim hoặc cá. Trong không gian tìm kiếm đa chiều, mỗi hạt đại diện cho một bộ tham số LightGBM. Hạt liên tục cập nhật vận tốc và tọa độ dựa trên trải nghiệm cá nhân và toàn bầy. Quá trình lặp giúp thuật toán nhanh chóng hội tụ về điểm tối ưu toàn cục. Phương pháp này loại bỏ sự phụ thuộc vào trực giác con người khi tinh chỉnh tham số. Tỷ lệ học, số lượng lá và tỷ lệ trích xuất mẫu đều được thiết lập chuẩn xác. Mô hình lai đạt trạng thái cân bằng tuyệt hảo giữa tốc độ và độ chính xác phân loại. Tình trạng quá khớp trên tập dữ liệu huấn luyện giảm thiểu rõ rệt.

IV. Ứng dụng mô hình LightGBM PSO phát hiện gian lận Ethereum 2025

Nghiên cứu về mô hình LightGBM kết hợp PSO khẳng định bước tiến thực tiễn to lớn. Khóa luận tốt nghiệp tại ĐHKHT TP.HCM 2025 chứng minh tính khả thi cao khi ứng dụng vào hệ thống thực tế. Mô hình đạt chỉ số F1-score và độ chính xác vượt trội trên tập dữ liệu thử nghiệm Ethereum. Khả năng phát hiện gian lận được cải thiện rõ rệt so với các phương pháp truyền thống. Các sàn thương mại điện tử có thể tích hợp thuật toán trực tiếp vào cổng thanh toán phi tập trung. Hệ thống tự động phân tích và gắn cờ cảnh báo các ví có dấu hiệu bất thường ngay lập tức. Giải pháp này giúp bảo vệ nguồn vốn và tạo dựng niềm tin cho người dùng trực tuyến. Thời gian xử lý thấp cho phép triển khai trên hạ tầng điện toán đám mây với chi phí tối ưu. Trong tương lai, phương pháp có thể mở rộng sang các mạng lưới chuỗi khối khác như Solana hay Binance Smart Chain. Đề tài mở ra định hướng mới trong việc bảo mật giao dịch số bằng trí tuệ nhân tạo.

4.1. Hiệu quả thực nghiệm và các chỉ số đo lường

Kết quả kiểm thử trên bộ dữ liệu giao dịch Ethereum mang lại những con số rất thuyết phục. Mô hình LightGBM tối ưu bởi PSO đạt độ chính xác phân loại tổng thể trên 95%. Điểm F1-score và chỉ số AUC-ROC tăng trưởng vượt trội so với các mô hình MLP hay Decision Tree đơn lẻ. Tỷ lệ dương tính giả giảm xuống mức thấp kỷ lục. Điều này hạn chế tối đa việc chặn nhầm các giao dịch mua hàng chân chính của khách. Tốc độ dự báo chỉ mất vài mili-giây cho mỗi phiên giao dịch. Sự ổn định của mô hình được kiểm chứng qua nhiều tập dữ liệu độc lập khác nhau. Các chỉ số thực nghiệm là minh chứng rõ nhất cho tiềm năng ứng dụng thực tế.

4.2. Khả năng triển khai thực tế và hướng phát triển

Khung mô hình đề xuất có tính tương thích rất cao với các hệ thống thanh toán điện tử hiện hữu. Các doanh nghiệp dễ dàng tích hợp thuật toán thông qua giao diện lập trình ứng dụng RESTful API. Hệ thống có thể quét dữ liệu bộ nhớ đệm giao dịch để đưa ra cảnh báo tức thì. Trong giai đoạn tiếp theo, nhóm nghiên cứu dự kiến tích hợp thêm các kỹ thuật học sâu đồ thị GNN. Hướng đi này giúp khai thác sâu hơn mối quan hệ topology phức tạp giữa các mạng lưới ví. Việc giám sát đa chuỗi cũng là mục tiêu trọng tâm cần hoàn thiện. Giải pháp hướng tới việc thiết lập chuẩn bảo mật mới cho thương mại điện tử xuyên biên giới.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài và bối cảnh thực tiễn

Thương mại điện tử (TMĐT) toàn cầu đang tăng trưởng mạnh với doanh thu dự báo đạt 6,09 nghìn tỷ USD vào năm 2024 và duy trì CAGR 7,6% trong giai đoạn 2022–2027 (Shopify, 2024). Song hành với tăng trưởng đó là rủi ro gian lận tài chính ngày càng nghiêm trọng: tổn thất do gian lận TMĐT được dự báo tăng từ 44 tỷ USD (2024) lên 107 tỷ USD vào năm 2029 — tức tăng 141% trong 5 năm (Juniper Research, 2024).

Trong bối cảnh TMĐT chuyển dịch sang nền tảng phi tập trung, Ethereum nổi lên như hạ tầng giao dịch chủ đạo, được triển khai bởi các doanh nghiệp lớn như Shopify, Microsoft, OpenSea, eBay và Etsy. Tuy nhiên, các lỗ hổng trong hợp đồng thông minh đã bị khai thác nghiêm trọng — điển hình là vụ tấn công Bybit gây tổn thất gần 1,5 tỷ USD (Chainalysis Team, 2025). Đây là bối cảnh trực tiếp thúc đẩy nhu cầu phát triển cơ chế phát hiện gian lận hiệu quả trên nền tảng này.

Theo tác giả, tính đến thời điểm nghiên cứu chưa có công trình nào tích hợp LightGBM với thuật toán PSO để phát hiện gian lận trên Ethereum — một hệ sinh thái đặc thù với dữ liệu vừa phức tạp, vừa mất cân bằng mạnh. Đây là khoảng trống nghiên cứu rõ rệt mà đề tài hướng đến lấp đầy.

Một phần nội dung của khóa luận đã được trình bày tại Hội thảo quốc tế CERPS 2025, khẳng định tính học thuật và tính ứng dụng thực tiễn của đề tài.

Mục tiêu và câu hỏi nghiên cứu

Mục tiêu chung: Phát triển mô hình phát hiện gian lận hiệu quả trong giao dịch TMĐT trên blockchain Ethereum bằng cách kết hợp LightGBM và PSO, nâng cao độ chính xác nhận diện gian lận và tối ưu hóa siêu tham số mô hình.

Mục tiêu cụ thể:

1. Phân tích tổng quan các hình thức gian lận phổ biến trong TMĐT ứng dụng blockchain, đặc biệt trên Ethereum.
2. Đánh giá các phương pháp phát hiện gian lận hiện có (Random Forest, XGBoost, ...) nhằm xác định hạn chế và định hướng cải tiến.
3. Đề xuất mô hình kết hợp LightGBM và PSO, trong đó LightGBM phân loại và PSO tối ưu siêu tham số.
4. Thực nghiệm mô hình trên tập dữ liệu Ethereum; so sánh hiệu suất với các mô hình hiện có qua Accuracy, Precision, Recall, F1-score và thời gian xử lý.
5. Đề xuất khả năng triển khai mô hình vào thực tiễn giám sát giao dịch TMĐT phi tập trung.

Câu hỏi nghiên cứu:

1. Việc kết hợp LightGBM với PSO có giúp cải thiện độ chính xác, hiệu suất xử lý và tính ổn định so với các phương pháp học máy truyền thống hay không?
2. Mô hình PSO-Optimized LightGBM có khả năng triển khai hiệu quả trên dữ liệu giao dịch Ethereum trong điều kiện khối lượng lớn và mất cân bằng nghiêm trọng hay không?
3. Mức độ ứng dụng thực tiễn của mô hình đề xuất trong hệ sinh thái TMĐT phi tập trung là như thế nào?

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Bài toán phát hiện giao dịch gian lận trong TMĐT ứng dụng blockchain Ethereum; phân tích, nhận diện và phân loại các giao dịch bất thường dựa trên đặc trưng hành vi và mô hình học máy.

Phạm vi không gian: Hệ sinh thái blockchain Ethereum. Các blockchain khác (Binance Smart Chain, Solana, Avalanche) không thuộc phạm vi phân tích.

Phạm vi thời gian: Từ tháng 11/2024 đến tháng 5/2025.

Phạm vi kỹ thuật: Triển khai và đánh giá 10 mô hình học máy, gồm: PSO-Optimized LightGBM (mô hình đề xuất), CatBoost, LightGBM, Random Forest, MLP, Decision Tree, KNN, SVM, Logistic Regression và Naive Bayes.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình sử dụng

Đề tài xây dựng khung lý thuyết trên ba trụ cột:

Thứ nhất — Lý luận về gian lận TMĐT: Nghiên cứu hệ thống hóa các hình thức gian lận từ truyền thống (phishing, pharming, account takeover) đến đặc thù trên Ethereum gồm ba nhóm chính: (i) gian lận hợp đồng thông minh (hợp đồng Ponzi, tấn công reentrancy, honeypot contracts); (ii) gian lận DeFi (rug pull, oracle manipulation, pump-and-dump); (iii) gian lận NFT (wash trading, NFT đạo nhái). Các nghiên cứu dẫn chiếu bao gồm Liang & cộng sự (2024), Chen & cộng sự (2021), Torres, Steichen & State (2019), Trozze & cộng sự (2023) và Ming-Fang Lee & cộng sự (2025).

Thứ hai — Công nghệ blockchain Ethereum: Đề tài phân tích cơ chế chuyển đổi từ Proof-of-Work (PoW) sang Proof-of-Stake (PoS), cấu trúc giao dịch (nonce, Gas Price, Gas Limit, data payload), hợp đồng thông minh theo định nghĩa của Nick Szabo (1997) và đặc điểm dữ liệu ảnh hưởng đến bài toán phát hiện gian lận.

Thứ ba — Mô hình học máy: Tác giả so sánh năm nhóm mô hình (xem Bảng 2.1 trong văn bản): tuyến tính (Logistic Regression, Naive Bayes), cây quyết định (Decision Tree, Random Forest), Boosting (LightGBM, CatBoost), khoảng cách (SVM, KNN) và mạng nơ-ron (MLP). LightGBM được chọn làm mô hình nền do chiến lược tăng trưởng leaf-wise vượt trội so với level-wise của XGBoost. PSO (Particle Swarm Optimization — Eberhart & Kennedy, 1995) được tích hợp để tối ưu hóa không gian siêu tham số phi tuyến, thay thế Grid Search và Random Search truyền thống.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp thực nghiệm kỹ thuật, triển khai qua ba giai đoạn:

Giai đoạn	Nội dung
Tiền xử lý dữ liệu	Lọc tương quan Spearman, StandardScaler, manual undersampling cân bằng lớp
Xây dựng & tối ưu mô hình	Tích hợp PSO tìm kiếm siêu tham số LightGBM; huấn luyện 10 mô hình song song
Đánh giá hiệu suất	Cross-validation k-fold, cross_val_score; trực quan hóa Feature Importance và SHAP

Công cụ triển khai: Jupyter Notebook trên Anaconda 3; các thư viện Python gồm Scikit-learn, LightGBM, CatBoost, imbalanced-learn, PyCM và pyswarms.

Chỉ số đánh giá: Accuracy, Recall, Precision, F1-Score, hệ số Kappa và thời gian huấn luyện.

Nguồn dữ liệu

Tập dữ liệu công khai từ dự án "Ethereum Fraud Detection Models" (Haghighi, 2022) trên GitHub, gồm 9.816 giao dịch Ethereum đã gán nhãn nhị phân (0 = hợp lệ, 1 = gian lận). Tỷ lệ phân phối ban đầu: 77,8% hợp lệ và 22,2% gian lận — thể hiện mức mất cân bằng lớp nghiêm trọng.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về đề tài

Chương đặt nền móng cho toàn bộ nghiên cứu bằng cách xác lập tính cấp thiết của bài toán phát hiện gian lận trong bối cảnh TMĐT phi tập trung. Tác giả trình bày các số liệu thị trường từ Shopify (2024) và Juniper Research (2024), phân tích vai trò của Ethereum trong TMĐT hiện đại, và luận chứng vì sao sự kết hợp LightGBM — PSO là hướng tiếp cận phù hợp. Chương kết thúc bằng việc xác định ba câu hỏi nghiên cứu cốt lõi và kết cấu năm chương của đề tài.

Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu

Chương tổng hợp bốn khối kiến thức nền tảng:

• Gian lận TMĐT: Phân loại hành vi gian lận, thách thức nhận diện từ dữ liệu hành vi (tính biến động cao, mất cân bằng dữ liệu, hiện tượng cold start, yêu cầu thời gian thực, thiếu khả năng diễn giải mô hình).
• Công nghệ blockchain Ethereum: Cơ chế PoS, cấu trúc giao dịch, hợp đồng thông minh và ba nhóm gian lận đặc thù trên hệ sinh thái này.
• Ứng dụng học máy trong giám sát TMĐT: So sánh năm nhóm mô hình (Bảng 2.1), phân tích ưu/nhược điểm trong bối cảnh dữ liệu blockchain.
• Tổng quan nghiên cứu trước: Đánh giá các công trình phát hiện gian lận trên TMĐT tập trung và phi tập trung (bao gồm ứng dụng GNN của Wu et al. (2022), LSTM của Chen et al., kỹ thuật khai thác đặc trưng hành vi của Kim & Lee (2024)), từ đó xác định khoảng trống: thiếu tích hợp giữa mô hình boosting mạnh và kỹ thuật tối ưu hóa metaheuristic trên dữ liệu Ethereum gán nhãn.

Chương 3: Phương pháp nghiên cứu

Chương trình bày chi tiết kỹ thuật của toàn bộ quy trình:

• Khung quy trình đề xuất: Sơ đồ năm bước từ thu thập dữ liệu đến đánh giá và diễn giải kết quả (Hình 3.1).
• Mô hình đề xuất PSO–LightGBM: LightGBM thực hiện phân loại với chiến lược leaf-wise; PSO điều hướng tìm kiếm trong không gian siêu tham số (num_leaves, max_depth, learning_rate, min_data_in_leaf) theo cơ chế bầy đàn — không yêu cầu đạo hàm, hội tụ nhanh với không gian phi tuyến.
• Chín mô hình đối chứng: Logistic Regression, Naive Bayes (với công thức Bayes đầy đủ), KNN (khoảng cách Euclid), Decision Tree (ID3 — Entropy & Information Gain), Random Forest (bỏ phiếu đa số trên ensemble), SVM (siêu phẳng tối ưu), MLP (lan truyền ngược, hàm sigmoid), CatBoost và LightGBM nguyên bản.
• Công cụ và thư viện: Bảng 3.1 liệt kê các thư viện Python chính được sử dụng.

Chương 4: Thực nghiệm và đánh giá kết quả

Chương trình bày toàn bộ quá trình thực nghiệm và phân tích kết quả:

Mô tả và tiền xử lý dữ liệu: Tập dữ liệu 9.816 giao dịch được khám phá qua EDA (Hình 4.2 — phân phối nhãn FLAG; Hình 4.3 — ma trận tương quan Spearman; Hình 4.4 — histogram phân phối đặc trưng). Sau khi lọc tương quan và chuẩn hóa, tỷ lệ lớp được cân bằng bằng manual undersampling (Hình 4.5). Các bước tiền xử lý được tổng hợp tại Bảng 4.1.

Tối ưu hóa siêu tham số: Bảng 4.2 trình bày các siêu tham số và phạm vi tìm kiếm của PSO cho LightGBM.

Kết quả và đánh giá mô hình:

So sánh	Nội dung
Bảng 4.3	Hiệu suất LightGBM trước và sau khi cân bằng dữ liệu
Bảng 4.4	Hiệu suất LightGBM nguyên bản vs. PSO-LightGBM
Bảng 4.5	Hiệu suất trung bình của cả 10 mô hình học máy

Ma trận nhầm lẫn của PSO-LightGBM được phân tích qua 10 lần cross-validation (Hình 4.6 — trường hợp tệ nhất và tốt nhất). Biểu đồ radar (Hình 4.8) trực quan hóa tổng thể hiệu suất các mô hình.

Phân tích đặc trưng: Feature Importance theo chỉ số gain (Hình 4.9) và biểu đồ SHAP (Hình 4.10) làm rõ mức độ đóng góp của từng đặc trưng vào quyết định phân loại, đồng thời phân tích hành vi gian lận qua giá trị SHAP.

Hàm ý quản trị: Thảo luận về tiềm năng tích hợp PSO-LightGBM vào các hệ thống DeFi, sàn DEX và hệ thống thanh toán blockchain trong thực tiễn.

Chương 5: Kết luận và đề xuất

Chương tổng kết mức độ hoàn thành ba câu hỏi nghiên cứu, xác nhận hiệu quả vượt trội của PSO-LightGBM, chỉ ra các hạn chế còn tồn tại và đề xuất bốn hướng phát triển cụ thể.

---

Thiết kế và triển khai

Kiến trúc mô hình đề xuất

Mô hình PSO-Optimized LightGBM được xây dựng theo kiến trúc hai tầng:

• Tầng phân loại: LightGBM với chiến lược leaf-wise splitting, mở rộng lá có mức giảm loss lớn nhất tại mỗi bước — tạo cây sâu hơn, chính xác hơn so với level-wise của XGBoost (minh họa tại Hình 3.2).
• Tầng tối ưu hóa: PSO mô phỏng hành vi bầy đàn — mỗi "hạt" (particle) đại diện cho một bộ siêu tham số, di chuyển trong không gian tham số theo vận tốc cập nhật dựa trên kinh nghiệm cá nhân và tập thể (Hình 3.3 — luồng hoạt động PSO; Hình 3.4 — quy trình tích hợp PSO–LightGBM).

Công nghệ và thư viện

Toàn bộ thực nghiệm được triển khai trên Jupyter Notebook / Anaconda 3 với Python. Các thư viện chính (Bảng 3.1) gồm: Scikit-learn (tiền xử lý, mô hình cơ bản), LightGBM và CatBoost (thuật toán boosting), imbalanced-learn (xử lý mất cân bằng), pyswarms (tối ưu hóa PSO), PyCM (phân tích ma trận nhầm lẫn).

Kiểm thử và đánh giá

Quy trình kiểm thử sử dụng k-fold cross-validation với cross_val_score, thực hiện 10 lần lặp để giảm sai số từ phân chia dữ liệu. Các chỉ số đánh giá đa chiều bao gồm Accuracy, Precision, Recall, F1-Score, hệ số Kappa và thời gian huấn luyện trung bình.

---

Kết quả và đóng góp

Kết quả chính kèm số liệu

Mô hình PSO-Optimized LightGBM đạt hiệu suất vượt trội so với chín mô hình đối chứng:

Chỉ số	PSO-LightGBM
Accuracy	98,46%
F1-Score	98,46%
Precision	98,52%
Recall	98,40%
Hệ số Kappa	96,92%
Thời gian huấn luyện	1,95 giây

Để so sánh, LightGBM nguyên bản (chưa tối ưu) có thời gian huấn luyện 1,48 giây. Chi phí tăng thêm 0,47 giây từ PSO được bù đắp bởi mức cải thiện hiệu suất đáng kể. Mức cân bằng cao giữa Precision (98,52%) và Recall (98,40%) cho thấy mô hình không chỉ dự đoán chính xác mà còn hạn chế bỏ sót giao dịch gian lận — yếu tố đặc biệt quan trọng trong bảo mật blockchain nơi giao dịch không thể hoàn tác.

Giải pháp và kiến nghị tác giả đề xuất

• Tích hợp mô hình PSO-LightGBM vào các hệ thống giám sát giao dịch thực tế trên nền tảng DeFi, sàn DEX và hệ thống thanh toán blockchain.
• Áp dụng biểu đồ Feature Importance và giá trị SHAP để hỗ trợ đội ngũ bảo mật phân tích hành vi gian lận theo chiều sâu.
• Phát triển hệ thống cảnh báo sớm dựa trên xác suất dự đoán của mô hình trước khi giao dịch được xác nhận lên chuỗi.

Đóng góp so với nghiên cứu trước

Tác giả tự nêu hai đóng góp chính:

1. Đóng góp về phương pháp: Đây là một trong những nghiên cứu đầu tiên tại Việt Nam và trên thế giới đề xuất tích hợp LightGBM với PSO trong bài toán phát hiện gian lận trên Ethereum — lấp đầy khoảng trống mà các nghiên cứu dùng Random Forest, XGBoost hay GNN đơn lẻ chưa giải quyết.
2. Đóng góp về thực nghiệm: Thực hiện đối sánh toàn diện 10 mô hình học máy trên tập dữ liệu Ethereum gán nhãn — điều hiếm gặp trong tài liệu học thuật hiện có. Đồng thời áp dụng SHAP để cải thiện khả năng diễn giải — yếu tố thường bị bỏ sót trong nghiên cứu học máy ứng dụng TMĐT phi tập trung.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được tác giả nêu

• Chưa tích hợp học trực tuyến (online learning): Mô hình hiện tại được huấn luyện theo lô (batch), chưa thích ứng liên tục với các hành vi gian lận mới phát sinh theo thời gian thực.
• Chưa khai thác quan hệ giao dịch dạng đồ thị: Các mối liên kết ngầm giữa các địa chỉ ví — một nguồn tín hiệu phát hiện gian lận quan trọng — chưa được mô hình hóa.
• Phạm vi đánh giá giới hạn ở Ethereum: Hiệu quả của mô hình trên các blockchain khác chưa được kiểm nghiệm.

Hướng phát triển trong tương lai

Tác giả đề xuất bốn hướng mở rộng cụ thể:

1. Tích hợp Graph Neural Network (GNN) để khai thác cấu trúc quan hệ giữa các ví và hợp đồng thông minh.
2. Kiểm nghiệm đa nền tảng trên Binance Smart Chain, Solana và các blockchain khác.
3. Nâng cao khả năng giải thích mô hình và phát triển cơ chế học liên tục.
4. Triển khai thực tế trong môi trường TMĐT phi tập trung với dữ liệu giao dịch luồng thực.

---

Giá trị tham khảo

Đề tài này có giá trị tham khảo với các nhóm đối tượng sau:

• Sinh viên ngành Thương mại điện tử, Khoa học dữ liệu, Công nghệ thông tin đang tìm hiểu về ứng dụng học máy trong bảo mật tài chính số. Phần Chương 2 cung cấp tổng quan có hệ thống về các mô hình học máy và đặc điểm blockchain hữu ích để xây dựng nền tảng lý thuyết.
• Người làm đề tài về phát hiện gian lận, an toàn thông tin blockchain hoặc tối ưu hóa mô hình học máy: Chương 3 và Chương 4 trình bày quy trình thực nghiệm có thể tái hiện, bao gồm chi tiết tiền xử lý, tích hợp PSO, cấu hình thư viện và phân tích SHAP.
• Nghiên cứu viên muốn mở rộng sang GNN hoặc học trực tuyến: Phần khoảng trống nghiên cứu (Mục 2.5) và Chương 5 xác định rõ các hướng phát triển còn bỏ ngỏ.
• Người thực hành trong lĩnh vực DeFi, bảo mật Web3: Phần hàm ý quản trị (Chương 4) cung cấp hướng dẫn triển khai và các nguyên tắc tích hợp mô hình vào hệ sinh thái thực tế.

---

Câu hỏi thường gặp

1. Tại sao mô hình áp dụng manual undersampling thay vì SMOTE để xử lý mất cân bằng dữ liệu?

Văn bản dẫn chiếu nghiên cứu của Blagus & Lusa (2013) chỉ ra rằng trong dữ liệu chiều cao, SMOTE có thể không làm giảm sự thiên vị đối với lớp đa số và kém hiệu quả hơn so với undersampling ngẫu nhiên. SMOTE cũng dễ gặp rủi ro quá khớp hoặc sai lệch phân phối khi dữ liệu có nhiễu và chồng chéo lớp (Azhar et al., 2024). Do đó, tác giả lựa chọn manual undersampling có chủ đích để cân bằng tỷ lệ lớp (ban đầu 77,8% hợp lệ / 22,2% gian lận) trước khi huấn luyện.

2. PSO cải thiện hiệu suất LightGBM như thế nào so với LightGBM nguyên bản?

Bảng 4.4 trong văn bản trình bày so sánh trực tiếp. Mô hình PSO-LightGBM đạt Accuracy 98,46%, F1-Score 98,46%, Precision 98,52%, Recall 98,40% và hệ số Kappa 96,92% — vượt trội so với LightGBM chưa tối ưu. Đổi lại, thời gian huấn luyện tăng từ 1,48 giây lên 1,95 giây, chênh lệch được tác giả đánh giá là chấp nhận được trong bối cảnh ứng dụng thực tế.

3. Đặc trưng nào có tác động lớn nhất đến việc phân loại gian lận theo mô hình PSO-LightGBM?

Kết quả được phân tích qua hai công cụ: Feature Importance theo chỉ số gain (Hình 4.9) cho thấy mức độ đóng góp của từng đặc trưng trong quá trình phân chia cây, và biểu đồ SHAP (Hình 4.10) thể hiện tác động của từng đặc trưng lên xác suất dự đoán cho từng giao dịch cụ thể. Văn bản không liệt kê tên đặc trưng quan trọng nhất bằng số, nhưng phân tích SHAP được dùng để nhận diện hành vi gian lận theo chiều sâu trong Mục 4.3.2.

4. Tại sao GNN không được chọn là mô hình đề xuất dù có khả năng khai thác cấu trúc mạng giao dịch?

Văn bản nêu rõ: GNN đòi hỏi chi phí tính toán lớn, thiếu linh hoạt khi áp dụng trong các hệ thống yêu cầu cập nhật nhanh như blockchain (Hasebe, 2024; Wu et al., 2022). Trong khi đó, PSO-LightGBM duy trì thời gian huấn luyện chỉ 1,95 giây, đáp ứng yêu cầu xử lý nhanh trong môi trường giao dịch phi tập trung. Tích hợp GNN được đề xuất như hướng phát triển tương lai.

5. Hệ số Kappa 96,92% trong kết quả có ý nghĩa gì trong bối cảnh dữ liệu mất cân bằng?

Hệ số Kappa đo lường mức độ đồng thuận giữa dự đoán của mô hình và nhãn thực tế, có tính đến yếu tố ngẫu nhiên — khác với Accuracy thông thường vốn có thể đạt giá trị cao bằng cách chỉ dự đoán lớp đa số (Akosa, 2017). Kappa 96,92% xác nhận rằng hiệu suất của PSO-LightGBM không phải do thiên lệch về lớp chiếm đa số, mà phản ánh khả năng phân loại thực chất trên cả hai lớp gian lận và hợp lệ.

---

Kết luận

Khóa luận đề xuất và thực nghiệm mô hình PSO-Optimized LightGBM — một hướng tiếp cận kết hợp thuật toán boosting hiệu quả với kỹ thuật tối ưu metaheuristic — cho bài toán phát hiện gian lận trong giao dịch TMĐT trên nền tảng Ethereum. Mô hình đạt Accuracy và F1-Score 98,46%, vượt trội so với chín thuật toán đối chứng bao gồm CatBoost, Random Forest và Neural Network, trong khi duy trì thời gian huấn luyện thực tế ở mức 1,95 giây. Đề tài lấp đầy một khoảng trống nghiên cứu rõ rệt — chưa có công trình nào tích hợp LightGBM và PSO trên dữ liệu Ethereum — và được công nhận qua trình bày tại Hội thảo quốc tế CERPS 2025. Các hướng phát triển tiếp theo tập trung vào tích hợp GNN, học trực tuyến và kiểm nghiệm đa nền tảng blockchain nhằm hướng tới hệ thống giám sát TMĐT phi tập trung hoàn chỉnh.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về đề tài: Trình bày lý do chọn đề tài, mục tiêu và câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp tiếp cận, ý nghĩa khoa học và kết cấu tổng thể của đề tài. Đây là chương đặt nền móng, làm rõ tính cấp thiết và hướng tiếp cận chính của nghiên cứu. • Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu – Tổng hợp các kiến thức nền tảng liên quan đến gian lận TMĐT, công nghệ blockchain (đặc biệt là Ethereum), các phương pháp học máy trong phát hiện gian lận và các nghiên cứu trước. Chương này đóng vai trò định hình khung lý thuyết, đồng thời xác định khoảng trống mà nghiên cứu hướng đến.

• Chương 3: Phương pháp nghiên cứu – Trình bày chi tiết về quy trình xử lý dữ liệu, mô hình đề xuất, thuật toán tối ưu PSO, mô hình đối chứng, công cụ triển khai và các tiêu chí đánh giá hiệu suất mô hình. • Chương 4: Kết quả thực nghiệm và phân tích – Mô tả dữ liệu, quá trình huấn luyện mô hình, kết quả đánh giá và so sánh hiệu suất giữa các mô hình, từ đó phân tích mức độ cải thiện của mô hình đề xuất PSO-LightGBM so với các phương pháp truyền thống. • Chương 5: Kết luận và hướng phát triển – Tổng kết những kết quả đạt được, đánh giá lại mức độ hoàn thành mục tiêu nghiên cứu, chỉ ra những hạn chế hiện tại và đề xuất định hướng mở rộng trong các nghiên cứu tiếp theo về phát hiện gian lận TMĐT trên nền tảng blockchain. Cấu trúc nêu trên được xây dựng nhằm đảm bảo sự liên kết chặt chẽ giữa các thành phần của đề tài, từ khung lý thuyết đến kiểm định thực nghiệm, qua đó góp phần nâng cao tính toàn diện, logic và khả năng ứng dụng thực tiễn của nghiên cứu.

8 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU 2. Gian lận trong giao dịch thương mại điện tử 2. Khái quát về gian lận TMĐT và hành vi đặc trưng Gian lận thương mại điện tử ngày càng trở nên phổ biến, gây ra tổn thất tài chính đáng kể cho người tiêu dùng (Razali, Rosli, & Othman, 2022). Trong khi gian lận truyền thống thường xảy ra tại các điểm bán hàng vật lý (PoS), gian lận thương mại điện tử thường diễn ra hoàn toàn trong môi trường ảo (Khurana, 2020).

Theo định nghĩa của Dwight (2023), đây là các hành vi lừa đảo hoặc gây hiểu lầm được thực hiện thông qua các nền tảng trực tuyến gây hại cho người tiêu dùng. Các hình thức gian lận ngày càng trở nên tinh vi hơn, bao gồm lừa đảo qua email (phishing), trang web giả mạo (pharming), giả danh cơ quan uy tín(pretexting) hoặc chiếm đoạt tài khoản (account takeover), khiến cả người tiêu dùng lẫn nhà bán lẻ trở thành đối tượng bị tấn công (Silalahi, Daulay, Siregar, & Ridwan, 2022; Bogi, 2024; Pinjarkar, et al. Những hành vi này không chỉ gây thiệt hại tài chính mà còn làm suy giảm niềm tin người tiêu dùng và ảnh hưởng tiêu cực đến nền tảng. Các yếu tố góp phần làm gia tăng nguy cơ gian lận thường bao gồm trình độ hiểu biết kỹ thuật số thấp, điều kiện kinh tế khó khăn, cùng với sự thiếu hụt các chính sách bảo mật mạng hiệu quả ở cấp độ quốc gia (Silalahi, Daulay, Siregar, & Ridwan, 2022).

Ngoài ra, bối cảnh đại dịch COVID-19 đã thúc đẩy mạnh mẽ sự chuyển dịch sang các kênh giao dịch trực tuyến, kéo theo sự gia tăng đột biến của các hoạt động gian lận và tội phạm mạng, khiến việc phát hiện gian lận thương mại điện tử ngày càng trở nên quan trọng và cấp thiết hơn (Mutemi & Bacao, 2024). Điều này buộc các nền tảng TMĐT phải tăng cường các biện pháp kiểm soát rủi ro và nâng cao khả năng phát hiện gian lận theo thời gian thực. Trước thực trạng đó, các nhà nghiên cứu đã đề xuất các khung phản ứng đối với sự cố gian lận thương mại điện tử, trong đó phác thảo các quy trình, vai trò và trách nhiệm của các bên liên quan (Dwight, 2023). Một loạt nghiên cứu hiện đại đã thúc đẩy việc kết hợp giữa học máy, khai phá quy trình và giám sát nhật ký hành vi người dùng để phát hiện các hành vi bất thường trong thời gian thực (Yu, et al.

Các phương pháp như xác thực DNS bằng tên miền dùng 9 một lần cũng được đưa ra nhằm phát hiện sự bất thường trong các truy vấn mạng và hành vi giao dịch ẩn danh (PatiL, Sonkar, Patil, Deshmukh, & Patil, 2024). Mối đe dọa ngày càng lớn từ botnet đối với các ứng dụng thương mại điện tử trong các hoạt động như tấn công từ chối dịch vụ (DDoS), lừa đảo qua email và gian lận danh tính cũng được nhấn mạnh (Rahman & Tomar, 2021). Những nghiên cứu này phản ánh rõ bản chất của hành vi gian lận thương mại điện tử hiện đại: diễn ra nhanh chóng, tự động hóa cao và được che giấu tinh vi qua các công cụ như proxy, VPN hoặc botnet. Chính những đặc điểm này khiến việc phát hiện gian lận trở nên đặc biệt thách thức, đồng thời nhấn mạnh tầm quan trọng của giám sát theo thời gian thực, các kỹ thuật phát hiện tiên tiến và những phương pháp tiếp cận sáng tạo để tăng cường khả năng phòng vệ.

Từ đó, đặt ra yêu rất lớn về năng lực nhận diện hành vi bất thường một cách thích ứng, linh hoạt và hiệu quả. Trong bối cảnh đó, nhiều mô hình học máy, cả truyền thống lẫn hiện đại, đã được thử nghiệm để nâng cao hiệu quả phát hiện gian lận. Hasan và cộng sự (2022) đã chỉ ra rằng các thuật toán như rừng ngẫu nhiên và hồi quy logistic có khả năng nhận diện các hành vi gian lận tinh vi từ phía người bán, một nhóm đối tượng thường bị bỏ qua trong các nghiên cứu trước đây. Tương tự, nghiên cứu của Golyeri và cộng sự (2023) đã so sánh hiệu suất của nhiều thuật toán phát hiện gian lận giao dịch thương mại điện tử như cây quyết định, hồi quy logistic, rừng ngẫu nhiên và XGBoost.

Tuy nhiên, dù mang lại nhiều hứa hẹn, các mô hình này vẫn phải đối mặt với nguy cơ bị qua mặt bởi những chiến thuật giả mạo ngày càng tinh vi. Hasan và Rizvi (2022) cảnh báo rằng, dù trí tuệ nhân tạo và phân tích dữ liệu có thể nâng cao năng lực bảo mật, các mô hình học máy sẽ dễ bị khai thác và xâm nhập nếu không được cập nhật thường xuyên và giám sát liên tục. Hơn nữa, lĩnh vực này còn gặp nhiều thách thức lớn như sự thiếu hụt dữ liệu thực tế và yêu cầu phát hiện gian lận, bao gồm cả bot tự động và hành vi giả mạo của kẻ lừa đảo, trong thời gian thực (Mutemi & Bacao, 2024; Rodrigues, et al. Nhìn chung, bức tranh gian lận TMĐT hiện nay không chỉ là vấn đề kỹ thuật mà còn mang tính hệ thống và hành vi.

Sự cần thiết phải thiết kế các hệ thống thông minh, có khả năng học hỏi liên tục, thích nghi với các mẫu hành vi mới, và kết hợp nhiều lớp kiểm soát đang trở nên cấp thiết. Việc thúc đẩy trí tuệ kỹ thuật số và tạo ra một môi trường trực tuyến an toàn hơn là rất quan trọng để giảm thiểu gian lận thương mại điện tử (Pinjarkar, et al. Những thách thức trong nhận diện gian lận TMĐT từ dữ liệu hành vi Dữ liệu hành vi đang trở thành nguồn tín hiệu then chốt và đóng vai trò trung tâm trong việc phát hiện gian lận thương mại điện tử, đặc biệt là trong bối cảnh giao dịch trực tuyến ngày càng tăng. Không giống như các nền tảng truyền thống dựa trên thông tin định danh (như tài khoản, địa chỉ IP, thiết bị), dữ liệu hành vi bao gồm các đặc điểm định lượng khác nhau của tương tác người dùng như các mô hình giao dịch, tần suất, khối lượng và mức độ tương tác của hệ thống (Zhao, et al.

Những đặc điểm này giúp các hệ thống giám sát không chỉ phát hiện các giao dịch bất thường, mà còn phân biệt người dùng hợp pháp và kẻ lừa đảo ngay cả khi thông tin tài khoản đã bị chiếm đoạt. Nghiên cứu của Zhao và cộng sự (2016) cho thấy việc phân tích hành vi trực tuyến ngầm có thể đạt tỷ lệ phát hiện lên đến 83% trong các giao dịch gian lận thông đồng, đi kèm tỷ lệ báo động giả thấp. Tương tự, Savalla và Sowmya (2024) đề xuất cách tiếp cận đa quan điểm kết hợp lịch sử tương tác và chuỗi hành vi để phát hiện các mẫu bất thường hiệu quả hơn so với các phương pháp dựa trên quy tắc cứng. Những kết quả này khẳng định tiềm năng của dữ liệu hành vi như một lớp bảo vệ chủ động trong TMĐT.

Tuy nhiên, việc khai thác hiệu quả nguồn dữ liệu này lại đặt ra nhiều thách thức phức tạp cả về mặt kỹ thuật lẫn vận hành. Một trong những thách thức cốt lõi là tính biến động cao của hành vi gian lận. Những kẻ gian lận không ngừng điều chỉnh các chiến thuật của mình để né tránh sự phát hiện (Al-Harbi, 2025). Điều này bao gồm việc thay đổi địa chỉ ví, làm xáo trộn các mô hình giao dịch, và sử dụng các chuỗi hành vi phức tạp kéo dài qua nhiều khoảng thời gian (Al-Harbi, 2025).

Các mô hình học máy phải liên tục cập nhật và học các mẫu mới phát sinh, thay vì dựa vào các mẫu cứng được huấn luyện một lần. Appavu (2025) chỉ ra rằng việc mô hình hóa hiệu quả trong môi trường TMĐT hiện đại đòi hỏi các hệ thống phải liên tục thích nghi để phản ứng với sự biến đổi hành vi gian lận theo thời gian, nếu không muốn hiệu suất phát hiện giảm sút nghiêm trọng. Dữ liệu không cân bằng là một thách thức đáng kể trong việc phát hiện gian lận. Vấn đề này đặc biệt phổ biến trong các hệ thống thương mại điện tử, nơi các giao dịch gian lận thường chiếm một tỷ lệ nhỏ trong tổng số giao dịch (Khurana, 2020).

Nếu không được xử lý bằng các kỹ thuật đặc biệt như tái cân bằng dữ liệu, gán trọng số lớp hoặc tạo mẫu tổng hợp (SMOTE), mô hình sẽ có xu hướng đánh giá thấp nguy cơ và giảm độ nhạy với các bất thường thực sự. Tuy nhiên, hiệu quả của các phương pháp này cũng tùy thuộc vào đặc điểm dữ liệu. Trong dữ liệu chiều cao, SMOTE có thể không làm giảm sự thiên vị đối với lớp đa số 11 đối với hầu hết các bộ phân loại và có thể kém hiệu quả hơn so với lấy mẫu thiếu ngẫu nhiên (Blagus & Lusa, 2013).