Khóa luận phát hiện gian lận thẻ tín dụng bằng ML và Deep Learning - ĐH CNTT TP.HCM

Khóa luận trình bày phương pháp phát hiện gian lận thẻ tín dụng bằng thuật toán học máy và học sâu, mang lại hiệu quả cao trong bảo mật tài chính.

• Tác giả: Truong Minh Khiet
• Người hướng dẫn: Dr. Cao Thi Nhan
• Trường học: Vietnam National University Ho Chi Minh City
• Chuyên ngành: Bachelor of Engineering in Information Systems
• Đề tài: Phát Hiện Gian Lận Thẻ Tín Dụng Bằng Machine Learning và Deep Learning
• Loại tài liệu: thesis
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGMENTS
• 1. CHƯƠNG 1: REASON FOR CHOOSING THE TOPIC
• 1.1. Research scope of the topic
• 2. CHƯƠNG 2: THEORETICAL BACKGROUND AND RELATED WORKS
• 2.1. Fraud detection
• 2.2. Extreme learning method
• 2.3. Support vector machine (SVM)
• 2.4. Convolutional Neural Network (CNN)
• 3. CHƯƠNG 3: EXPERIMENTAL ENVIRONMENT
• 3.1. Applied machine learning & ensemble learning techniques
• 3.1.1. K-nearest neighbours (KNN)
• 3.1.2. Support vector machine (SVM)
• 3.1.3. Extreme learning method (ELM)
• 3.2. Applied deep learning techniques
• 3.2.1. Baseline
• 3.2.2. Convolutional neural network (CNN)
• 3.3. Performance-evaluation results
• 4. CHƯƠNG 4: USE MACHINE LEARNING ALGORITHMS
• 4.1. Convolutional neural network (CNN)
• 4.2. Compare results among algorithms
• 4.3. Limitations and development directions
• 4.4. Development directions
• LIST OF FIGURES
• LIST OF TABLES
• ABSTRACT

Tóm tắt

I. Tổng Quan Về Phát Hiện Gian Lận Thẻ Tín Dụng Bằng Machine Learning

Phát hiện gian lận thẻ tín dụng là một thách thức lớn trong ngành tài chính. Với sự gia tăng của các giao dịch trực tuyến, gian lận thẻ tín dụng đã trở thành một vấn đề nghiêm trọng. Các tổ chức tài chính cần các phương pháp hiệu quả để phát hiện và ngăn chặn gian lận. Machine Learning (ML) và Deep Learning (DL) đã nổi lên như những công cụ mạnh mẽ trong việc phát hiện gian lận. Chúng có khả năng phân tích dữ liệu lớn và phát hiện các mẫu bất thường trong giao dịch.

1.1. Định Nghĩa Gian Lận Thẻ Tín Dụng

Gian lận thẻ tín dụng là hành vi sử dụng thông tin thẻ tín dụng bị đánh cắp để thực hiện giao dịch trái phép. Điều này có thể xảy ra qua việc sử dụng thẻ bị mất, bị đánh cắp hoặc thông tin thẻ giả mạo.

1.2. Tầm Quan Trọng Của Phát Hiện Gian Lận

Việc phát hiện gian lận thẻ tín dụng không chỉ bảo vệ người tiêu dùng mà còn giúp các tổ chức tài chính giảm thiểu thiệt hại tài chính. Hệ thống phát hiện gian lận hiệu quả có thể tăng cường lòng tin của khách hàng và bảo vệ danh tiếng của doanh nghiệp.

II. Thách Thức Trong Phát Hiện Gian Lận Thẻ Tín Dụng

Phát hiện gian lận thẻ tín dụng đối mặt với nhiều thách thức. Một trong những thách thức lớn nhất là sự biến đổi liên tục của các phương thức gian lận. Các kẻ gian lận luôn tìm kiếm các lỗ hổng trong hệ thống. Hơn nữa, việc phân tích dữ liệu lớn và không đồng nhất cũng gây khó khăn cho việc phát hiện chính xác.

2.1. Sự Biến Đổi Của Các Phương Thức Gian Lận

Các phương thức gian lận ngày càng tinh vi hơn, từ việc sử dụng thẻ giả đến các giao dịch trực tuyến không hợp lệ. Điều này yêu cầu các hệ thống phát hiện phải liên tục cập nhật và cải tiến.

2.2. Dữ Liệu Không Đồng Nhất

Dữ liệu giao dịch có thể đến từ nhiều nguồn khác nhau và có thể không đồng nhất. Việc xử lý và phân tích dữ liệu này để phát hiện gian lận là một thách thức lớn.

III. Phương Pháp Machine Learning Trong Phát Hiện Gian Lận

Machine Learning cung cấp nhiều phương pháp để phát hiện gian lận thẻ tín dụng. Các thuật toán như Học Tập Cạnh (SVM), Học Tập Gần Nhất (KNN) và Học Tập Tăng Cường (Boosting) đã được áp dụng thành công. Những phương pháp này giúp phân tích dữ liệu và phát hiện các mẫu gian lận một cách hiệu quả.

3.1. Học Tập Cạnh SVM

SVM là một trong những thuật toán phổ biến trong phát hiện gian lận. Nó giúp phân loại các giao dịch thành hợp lệ và gian lận bằng cách tìm kiếm một siêu phẳng tối ưu.

3.2. Học Tập Gần Nhất KNN

KNN là một phương pháp đơn giản nhưng hiệu quả trong việc phát hiện gian lận. Nó dựa trên việc so sánh các giao dịch mới với các giao dịch đã biết để xác định tính hợp lệ.

IV. Ứng Dụng Deep Learning Trong Phát Hiện Gian Lận

Deep Learning, đặc biệt là Mạng Nơ-ron Tích Chập (CNN), đã chứng minh được hiệu quả trong việc phát hiện gian lận thẻ tín dụng. Các mô hình này có khả năng học hỏi từ dữ liệu lớn và phát hiện các mẫu phức tạp mà các phương pháp truyền thống không thể làm được.

4.1. Mạng Nơ ron Tích Chập CNN

CNN là một trong những mô hình Deep Learning mạnh mẽ nhất. Nó có khả năng xử lý và phân tích hình ảnh, nhưng cũng có thể áp dụng cho dữ liệu giao dịch để phát hiện gian lận.

4.2. So Sánh Hiệu Suất Giữa ML và DL

Nghiên cứu cho thấy rằng các mô hình Deep Learning thường đạt được độ chính xác cao hơn so với các mô hình Machine Learning truyền thống trong việc phát hiện gian lận thẻ tín dụng.

V. Kết Quả Nghiên Cứu Về Phát Hiện Gian Lận

Nghiên cứu đã chỉ ra rằng việc áp dụng Machine Learning và Deep Learning có thể cải thiện đáng kể khả năng phát hiện gian lận thẻ tín dụng. Các mô hình hiện đại như CNN và XGBoost đã đạt được độ chính xác lên đến 94%. Điều này cho thấy tiềm năng lớn của các công nghệ này trong việc bảo vệ người tiêu dùng và tổ chức tài chính.

5.1. Đánh Giá Hiệu Suất Các Mô Hình

Các mô hình được đánh giá dựa trên các chỉ số như độ chính xác, độ nhạy và độ đặc hiệu. Kết quả cho thấy rằng các mô hình Deep Learning vượt trội hơn trong việc phát hiện gian lận.

5.2. Ứng Dụng Thực Tiễn

Các tổ chức tài chính đã bắt đầu áp dụng các mô hình Machine Learning và Deep Learning để phát hiện gian lận, giúp giảm thiểu thiệt hại và tăng cường an ninh cho khách hàng.

VI. Tương Lai Của Phát Hiện Gian Lận Thẻ Tín Dụng

Tương lai của phát hiện gian lận thẻ tín dụng sẽ tiếp tục phát triển với sự tiến bộ của công nghệ. Các mô hình Machine Learning và Deep Learning sẽ ngày càng trở nên tinh vi hơn, giúp phát hiện gian lận một cách nhanh chóng và chính xác hơn. Sự kết hợp giữa các công nghệ mới và dữ liệu lớn sẽ mở ra nhiều cơ hội mới trong lĩnh vực này.

6.1. Xu Hướng Công Nghệ Mới

Các công nghệ như trí tuệ nhân tạo và blockchain có thể được tích hợp vào hệ thống phát hiện gian lận, tạo ra những giải pháp an toàn hơn cho người tiêu dùng.

6.2. Nghiên Cứu Tương Lai

Nghiên cứu trong lĩnh vực này sẽ tiếp tục tập trung vào việc cải thiện độ chính xác và hiệu quả của các mô hình phát hiện gian lận, đồng thời tìm kiếm các phương pháp mới để đối phó với các hình thức gian lận ngày càng tinh vi.

Nội dung chính

Tổng quan nghiên cứu

Thương mại điện tử và thanh toán số toàn cầu đang chứng kiến sự tăng trưởng vượt bậc, kéo theo tổn thất tài chính nghiêm trọng do các hành vi gian lận thẻ tín dụng. Theo các báo cáo thống kê ngành tài chính, thiệt hại kinh tế từ các vụ trộm cắp thẻ thanh toán trên toàn cầu đã chạm mức 24,26 tỷ USD, trong đó riêng thị trường Mỹ đã chiếm tới 38,6% tổng số thiệt hại được ghi nhận. Đặc biệt, trong năm 2020, có khoảng 393.207 vụ gian lận thẻ tín dụng được báo cáo trong tổng số 1,4 triệu vụ việc trộm cắp danh tính, phản ánh mức tăng đột biến 113% về khiếu nại mạo danh và 44% số vụ gian lận thẻ so với năm 2019. Trong đó, có tới 365.597 trường hợp liên quan trực tiếp đến việc mở tài khoản thẻ tín dụng trái phép mà không có sự hiện diện của thẻ vật lý.

Vấn đề nghiên cứu cốt lõi mà luận văn giải quyết là việc xây dựng một hệ thống phân loại tự động có khả năng phân biệt chuẩn xác giữa giao dịch hợp pháp và giao dịch gian lận trong điều kiện dữ liệu giao dịch bị mất cân bằng cực độ. Mục tiêu cụ thể của đề tài là khảo sát, tối ưu hóa và so sánh hiệu năng của các thuật toán học máy truyền thống kết hợp với mạng nơ-ron tích chập học sâu nhiều tầng để phát hiện gian lận trong thời gian thực. Phạm vi dữ liệu thực nghiệm bao gồm 284.807 giao dịch thẻ tín dụng được ghi nhận trong vòng 48 giờ liên tục từ các chủ thẻ tại khu vực Châu Âu. Ý nghĩa của nghiên cứu được đo lường thông qua việc gia tăng chỉ số độ chính xác lên mức 94,0%, cải thiện độ nhạy phát hiện gian lận và tối thiểu hóa tỷ lệ báo động giả, mang lại giải pháp công nghệ bảo mật vững chắc cho các tổ chức tài chính hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết phân loại nhị phân, lý thuyết phát hiện điểm bất thường trong chuỗi dữ liệu giao dịch và khung lý thuyết học sâu hiện đại. Trọng tâm của mô hình nghiên cứu là việc ứng dụng Mạng nơ-ron tích chập đa tầng kết hợp với các thuật toán học máy có giám sát và kỹ thuật học tăng cường. Khung lý thuyết này vận hành dựa trên 5 khái niệm chuyên ngành then chốt:

• Hiện tượng mất cân bằng dữ liệu: Tình trạng số lượng mẫu của nhóm giao dịch gian lận chỉ chiếm tỷ lệ 0,172% so với 99,83% số lượng giao dịch bình thường, đòi hỏi các kỹ thuật can thiệp lấy mẫu đặc thù.
• Phân tích thành phần chính: Kỹ thuật giảm chiều không gian dữ liệu từ 31 biến số ban đầu xuống còn 28 thuộc tính độc lập nhằm bảo toàn phương sai tối đa và bảo mật thông tin cá nhân của người dùng.
• Ma trận tương quan: Phương pháp đo lường mối liên hệ tuyến tính và phi tuyến tính giữa các biến số với nhãn phân loại nhằm chọn lọc các thuộc tính có tính phân tách cao nhất.
• Mạng nơ-ron tích chập: Cấu trúc nơ-ron sâu gồm tầng tích chập trích xuất đặc trưng, tầng kích hoạt phi tuyến tính, tầng gộp cực đại và tầng kết nối đầy đủ kết hợp cơ chế ngắt kết nối ngẫu nhiên để chống hiện tượng quá khớp.
• Mô hình học máy tăng cường Gradient: Thuật toán tập hợp cây quyết định tối ưu hóa hàm mất mát và kiểm soát độ phức tạp thông qua các tham số điều chuẩn.

Phương pháp nghiên cứu

Nguồn dữ liệu của luận văn được thu thập từ tập dữ liệu giao dịch thẻ tín dụng chuẩn quốc tế với tổng cộng 284.807 dòng và 31 cột đặc trưng. Cỡ mẫu nghiên cứu bao gồm toàn bộ các giao dịch thực tế, trong đó có 492 mẫu gian lận và 284.215 mẫu hợp lệ không chứa bất kỳ giá trị khuyết thiếu nào. Phương pháp chọn mẫu áp dụng kỹ thuật lấy mẫu dưới ngẫu nhiên có kiểm soát để tạo lập tập mẫu con cân bằng gồm 984 quan sát với tỷ lệ phân bổ 50% giao dịch gian lận và 50% giao dịch hợp lệ. Đồng thời, nghiên cứu sử dụng kỹ thuật phân tầng 5 phần để đảm bảo tính đại diện đồng đều của nhãn phân loại qua từng vòng kiểm thử chéo.

Lý do lựa chọn phương pháp phân tích kết hợp giữa học máy và học sâu xuất phát từ đặc tính phức tạp và tính phi tuyến tính cao của hành vi gian lận kỹ thuật số. Bộ chuẩn hóa kháng nhiễu được áp dụng riêng cho hai biến thời gian và số tiền giao dịch nhằm loại bỏ tác động tiêu cực của các giá trị ngoại lai cực trị. Toàn bộ tiến trình thực nghiệm được triển khai tuần tự qua 4 mốc thời gian:

• Giai đoạn 1 dành cho việc tiền xử lý và chuẩn hóa không gian thuộc tính.
• Giai đoạn 2 tập trung phân tích ma trận tương quan để trích xuất 8 biến số quan trọng nhất.
• Giai đoạn 3 tiến hành huấn luyện 8 mô hình phân loại bao gồm cây quyết định, láng giềng gần nhất, máy vector hỗ trợ, hồi quy logistic, máy học cực biên, rừng ngẫu nhiên, mô hình tăng cường gradient và mạng tích chập sâu.
• Giai đoạn 4 thực hiện kiểm thử chéo đa chiều và đánh giá so sánh hiệu năng trên hệ thống điện toán đám mây.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã mang lại 4 phát hiện thực nghiệm quan trọng, làm sáng tỏ năng lực phân loại của các thuật toán hiện đại:

• Hiệu năng vượt trội của mô hình học sâu và học tập hợp: Mạng nơ-ron tích chập với cấu trúc 20 tầng kết hợp cùng thuật toán tăng cường gradient đã xác lập độ chính xác phân loại cao nhất, đạt mức xấp xỉ 94,0% trên tập dữ liệu thử nghiệm, vượt trội hơn hẳn so với các thuật toán học máy đơn lẻ.
• Tác động bước ngoặt của kỹ thuật cân bằng mẫu: Việc áp dụng kỹ thuật giảm mẫu con đã giúp cải thiện chỉ số độ nhạy phát hiện gian lận từ mức dưới 60,0% ở mô hình ban đầu lên trên 91,5% đối với các mô hình cây quyết định phân tầng và mạng nơ-ron.
• Xác định các thuộc tính tương quan cốt lõi: Phân tích ma trận tương quan đã bóc tách rõ nét 4 biến số có tương quan âm mạnh nhất với hành vi gian lận là V17, V14, V12, V10 và 4 biến số có tương quan dương nổi bật nhất là V11, V4, V2, V19. Khi chỉ huấn luyện trên 8 thuộc tính trọng yếu này, mô hình vẫn duy trì độ chính xác trên 92,0% trong khi giảm thiểu 60,0% chi phí tính toán.
• Tốc độ huấn luyện vượt bậc của máy học cực biên: Thuật toán máy học cực biên với một tầng ẩn ngẫu nhiên đạt thời gian xử lý nhanh hơn 4,5 lần so với máy vector hỗ trợ truyền thống, mở ra tiềm năng ứng dụng xử lý giao dịch luồng tức thời.

Thảo luận kết quả

Nguyên nhân giúp mạng nơ-ron tích chập 20 tầng đạt hiệu năng xuất sắc nằm ở khả năng tự động học các biểu diễn phân cấp phức tạp thông qua các bộ lọc tích chập, kết hợp với hàm kích hoạt làm triệt tiêu các giá trị âm không hợp lệ và tầng gộp cực đại giúp cô đọng đặc trưng cục bộ. Cơ chế ngắt nơ-ron ngẫu nhiên đã chứng minh vai trò then chốt trong việc giảm thiểu sự phụ thuộc chéo giữa các nơ-ron, ngăn ngừa hiện tượng học vẹt trên tập dữ liệu gian lận vốn có quy mô rất nhỏ.

So với các nghiên cứu tiền nhiệm thường chỉ ứng dụng hồi quy logistic với độ chính xác dao động trong khoảng 85,0% đến 88,0%, việc kết hợp trích xuất đặc trưng có chọn lọc và tối ưu hóa siêu tham số bằng kỹ thuật tìm kiếm ngẫu nhiên đã nâng cao chỉ số F1 lên mức cân bằng lý tưởng. Trong thực tế phân tích, toàn bộ các biến động thuộc tính được thể hiện trực quan thông qua Biểu đồ ma trận nhiệt tương quan và Biểu đồ hộp phân vị trước và sau khi lọc bỏ giá trị dị biệt, giúp các chuyên gia phân tích dữ liệu dễ dàng nhận diện ranh giới phân tách giữa các nhóm giao dịch.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 nhóm giải pháp công nghệ và quản trị mang tính hành động cao:

• Tích hợp kiến trúc mạng nơ-ron tích chập sâu và thuật toán tăng cường gradient vào cổng thanh toán trực tuyến: Triển khai mô hình kết hợp nhằm hạ thấp độ trễ phản hồi phân loại giao dịch xuống dưới 50 mili-giây, giảm tỷ lệ dương tính giả ít nhất 25,0% trong lộ trình 6 tháng đầu năm (Chủ thể thực hiện: Khối Công nghệ thông tin và Trung tâm Vận hành thẻ ngân hàng).
• Tự động hóa đường ống tiền xử lý dữ liệu và cân bằng mẫu động: Thiết lập cơ chế tự động chuẩn hóa bằng phương pháp kháng nhiễu và phân tầng mẫu định kỳ hàng tuần, duy trì độ nhạy nhận diện các phương thức gian lận thẻ mới đạt tối thiểu 92,0% trong quý tiếp theo (Chủ thể thực hiện: Đội ngũ Kỹ sư Dữ liệu và Khoa học Dữ liệu).
• Hiện đại hóa hạ tầng tính toán đám mây và máy chủ chuyên dụng: Đầu tư nâng cấp hệ thống máy chủ tính toán hiệu năng cao trang bị bộ vi xử lý đồ họa chuyên dụng, thực hiện chu kỳ huấn luyện lại mô hình sau mỗi 30 ngày để tối ưu hóa 15,0% chi phí tài nguyên máy chủ (Chủ thể thực hiện: Ban Giám đốc Khối Hạ tầng số).
• Hoàn thiện khung quy trình giám sát rủi ro gian lận đa kênh: Ban hành quy chuẩn cảnh báo sớm dựa trên 8 chỉ số tương quan trọng yếu, phối hợp định kỳ 3 tháng một lần với các cơ quan an ninh mạng để cập nhật danh mục hơn 30 biến thể tấn công mạo danh (Chủ thể thực hiện: Ủy ban Quản trị Rủi ro và Phòng Chống gian lận).

Đối tượng nên tham khảo luận văn

• Kỹ sư dữ liệu và chuyên gia khoa học dữ liệu tại các công ty tài chính công nghệ: Nắm bắt phương pháp xử lý dữ liệu mất cân bằng nghiêm trọng với tỷ lệ mẫu hiếm chỉ 0,172% và kỹ thuật tối ưu hóa mạng nơ-ron sâu trên dữ liệu dạng bảng.
• Giám đốc quản trị rủi ro và chuyên viên phòng chống gian lận ngân hàng: Sử dụng các kết quả phân tích tương quan thuộc tính để cấu hình các bộ quy tắc nghiệp vụ tự động, giúp ngăn chặn tức thời các giao dịch đáng ngờ.
• Nhà phát triển cổng thanh toán và nền tảng thương mại điện tử: Ứng dụng mô hình máy học tăng cường và máy học cực biên nhằm cân bằng giữa tốc độ xử lý giao dịch dưới 100 mili-giây và độ chính xác phân loại giao dịch gian lận.
• Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành hệ thống thông tin: Tham khảo một quy trình nghiên cứu thực nghiệm chuẩn mực từ khâu chia mẫu phân tầng, làm sạch dữ liệu ngoại lai đến đánh giá đối sánh đa thuật toán học máy.

Câu hỏi thường gặp

• Tại sao bài toán phát hiện gian lận thẻ tín dụng luôn gặp trở ngại lớn bởi tính mất cân bằng dữ liệu?
  Trong thực tế, số lượng giao dịch gian lận chỉ chiếm khoảng 0,172% trong tổng số 284.807 giao dịch được phân tích. Tỷ lệ chênh lệch quá lớn này khiến các mô hình học máy thông thường có xu hướng dự đoán toàn bộ là giao dịch hợp lệ để đạt độ chính xác ảo lên đến 99,8%, dẫn đến việc bỏ sót hoàn toàn các mối đe dọa gian lận thực tế.

• Kỹ thuật giảm mẫu con đã giải quyết bài toán mất cân bằng như thế nào?
  Nghiên cứu đã tiến hành lấy ngẫu nhiên 492 mẫu giao dịch hợp pháp để kết hợp cùng 492 mẫu giao dịch gian lận, hình thành tập dữ liệu mới gồm 984 quan sát với tỷ lệ cân bằng chính xác 50:50. Cách làm này giúp thuật toán học tập đồng đều các đặc trưng phân lớp mà không bị áp đảo bởi nhóm đa số.

• Vì sao mạng nơ-ron tích chập lại mang lại hiệu quả cao khi phân loại dữ liệu giao dịch dạng bảng?
  Mạng nơ-ron tích chập 20 tầng tận dụng các bộ lọc để trích xuất những mối liên kết phi tuyến tính tiềm ẩn giữa các thuộc tính. Kết hợp với các tầng gộp cực đại và tầng kết nối đầy đủ, mô hình đạt độ chính xác lên tới khoảng 94,0%, vượt xa năng lực của các mô hình tuyến tính đơn giản.

• Mục đích của việc mã hóa các thuộc tính thành các biến từ V1 đến V28 là gì?
  Phương pháp phân tích thành phần chính được áp dụng để biến đổi dữ liệu nhằm bảo mật tuyệt đối danh tính, số thẻ và thông tin tài chính nhạy cảm của khách hàng, đồng thời loại bỏ tính tương quan đa cộng tuyến giữa các biến gốc mà vẫn giữ lại phần lớn lượng thông tin giá trị.

• Mô hình nào được đánh giá là tối ưu nhất để triển khai trong môi trường thanh toán thực tế?
  Mô hình tăng cường gradient và mạng nơ-ron tích chập 20 tầng là hai lựa chọn tối ưu nhất với độ chính xác đạt xấp xỉ 94,0%. Đối với các hệ thống đòi hỏi tốc độ phản hồi cực nhanh, thuật toán máy học cực biên là giải pháp bổ trợ lý tưởng nhờ thời gian huấn luyện ngắn hơn gấp 4 lần.

Kết luận

• Luận văn đã thực hiện nghiên cứu thực nghiệm toàn diện trên tập dữ liệu gồm 284.807 giao dịch thực tế, giải quyết triệt để thách thức mất cân bằng dữ liệu với tỷ lệ mẫu gian lận chỉ chiếm 0,172%.
• Thiết lập quy trình tiền xử lý dữ liệu chuẩn hóa kết hợp bộ chuẩn hóa kháng nhiễu, kỹ thuật phân tầng 5 phần và cân bằng tập mẫu 984 quan sát.
• Khẳng định mô hình mạng nơ-ron tích chập 20 tầng và thuật toán tăng cường gradient là hai giải pháp vượt trội nhất với độ chính xác đạt mức 94,0%.
• Bóc tách thành công 8 thuộc tính có mức độ tương quan ảnh hưởng lớn nhất đến xác suất phát sinh gian lận trong thanh toán trực tuyến.
• Định hình lộ trình 12 tháng tiếp theo để phát triển các cơ chế chú ý tự động, tích hợp mạng biến đổi dữ liệu chuỗi thời gian và triển khai thử nghiệm trên hệ thống ngân hàng mở.

Nghiên cứu đã đặt nền móng công nghệ quan trọng cho việc tự động hóa an ninh tài chính số; các tổ chức ngân hàng và doanh nghiệp công nghệ cần nhanh chóng phối hợp thử nghiệm để đưa các mô hình học sâu này vào ứng dụng thực tiễn nhằm bảo vệ an toàn cho hệ sinh thái thanh toán không tiền mặt.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY UNIVERSITY OF INFORMATION TECHNOLOGY ADVANCED PROGRAM IN INFORMATION SYSTEMS TRUONG MINH KHIET - 19520628 LUONG TIEN THUAN HAI - 19521462 THESIS CREDIT CARD FRAUD DETECTION USING MACHINE LEARNING AND DEEP LEARNING ALGORITHMS BACHELOR OF ENGINEERING IN INFORMATION SYSTEMS THESIS ADVISOR DR. CAO THI NHAN HO CHI MINH CITY, 2023 ACKNOWLEDGMENTS First, allow my group to express our deep gratitude to Ms. Cao Thi Nhan for her dedication and dedication to guiding the group throughout the process of researching and conducting their graduation thesis. Her patience, extensive knowledge and dedication helped the group overcome difficulties in the research process and complete the project on time as prescribed by the school.

Next, our group would also like to sincerely thank the teachers at the University of Information Technology - National University of Ho Chi Minh City for teaching us valuable knowledge necessary for our group to be able to Complete your thesis, as well as serve your future work well. My group also wants to thank the University of Information Technology - Ho Chi Minh City National University for creating learning and practicing conditions for our group to complete their thesis and course. Finally, our group would like to send our sincere thanks to our families and those who have helped, supported, and encouraged us to feel secure in researching and completing our thesis. TABLE OF CONTENTS cw ACKNOWLEDGMENTTS.- HH HH TH HH Hà HH TT nh ng 1 TABLE OF CONTIENTTS.- 1n HT TH HH HH Tnhh nh nh 2 LIST OF FIGURES.- G1 nHnH HH TT TH HH Hà HH TT ng 5 I0R09)30.- 6 33 v99 HH HH ng ưkp 10 1.

Reason for choosing the {OpIC.-- 5 5 2+ 119119 1 9 1 vn ng tr 10 1.- d1 1E TT TH HH nh 13 I0)) ung i00 0n. Research scope Of the fODIC. - -- 6 SE 1911 11 1 vn HH ng ngư 16 CHAPTER 2. THEORETICAL BACKGROUND AND RELATED WORKS.

Fraud et€CfIOH.- 5 5 x11 TH TH HH nh Hệ 19 2.-- --- 5 << 1x vn HH Hệ 21 2. Extreme learning methO(.-- s6 + [phone]v ng ng nề, 21 "2899 soi. LH HH HH Hệ, 22 2.- 5 s2 HH HH gi 23 2. Support vector machine (SVM).-- - HH ng ng kg 24 2.-- 5 G11 E11 vn ng Hết 25 "ĐC: 909.

Convolutional Neural Network (CNN).- c2 110101110 111 ng 0 vn reg 31 I1 0117 --. Experimental environment 000rraẳaẳ.- 3x HH TH HH ng grư 33 c3 0i. Applied machine learning & ensemble learning techn1ques. K-nearest neighbours CKRNN).

Support vector machine (SVM) ou. eee ee eee 5 1kg, 56 E6 bu. Extreme learning method (ELM). Applied deep leaning techniques.

Baseline ion ae. Convolutional neural network (CNN). Ăn vn HH nghiệt 62 3. Performance-evaluation €aSUT€S.

(<< << << 11111EE SĐT ng 055 ket 64 3. si HH ng ớt 64 4. HH TH HH HH HH Hết 64 3. Use machine learning aÏØOTIthH§.

Convolutional neural network (CNNN). Compare results among alGorithms. G1911 110 1h nh HH nh trờ 74 4. Limitations and development diTeCfIONS.- 6 SH TH HH HH HH HH75 4.

Development (IT€CfIOTNS .-- --- 1 11 2kg TH HH giết 77 LIST OF FIGURES Le Figure 1 - Illustration of ÍTaUd.- - << + E1 ng HH nh 19 Figure 2 - ELM's algOrithim.- xxx x19 TH ng HH ng Hưng gà 22 Figure 3 - RFP's aÏEOTItH1.-- 111 1 93 93 2 1 TH HH HH Hưng ngư 24 Figure 4 - SVM's alEOTIthim.- 6 + x2 TH TH TH Hàng HH tiệt 24 Figure 5 - Logistic regression's aÏØOTIfH.- --- 6 + s11 k*91 9 9v vn re, 25 Figure 6 - Logistic regression's aÏØOTIthim.-- ----s «+ + + +*kxeeerseeeereerereere 26 Figure 7 - Pooling ÍAW€T.-- c1 95993111 11h TT HH Hư 28 Figure 8 - CNN output ÏAY€T. G1 TH TH 30 Figure 9 - Application of dropout over neural netWOTK.- -- « +««es<+sx+se+sx+ 3l Figure 10 - Connect data through drive. --- 5 5 + + x** EEEseEEeereereereereerske 39 Figure 11 - Incorrect data handÏIng.- - c6 6+1 1231191119113 1 9v vn tre40 Figure 12 - Check the columns in data .- -- - <1 * 1£ +3 E+*EE+eeereeeeeeeersreere 41 Figure 13 - Chart of Class Distributions. -- --- < + S3 + kseierrrereere 42 Figure Si 0i.

43 Figure 15 - Allocating data for training and f€StInE.- s6 +- + +ss£secssesseesee 44 Figure 16 - Result of Label Distribution. cece ese eseeseeseeseeeeeseseeseeeeeseseeseeaeens 45 Figure 17 S311iiï1 6ï 0. 47 Figure 19 - Imbalance Correlation Matrix .- - s5 c1 + seerseeeeeerereere 48 Figure 20 - Balance Correlation ÏMafT1X.- -- << 1x19 1 ng ng 48 Figure 21 - Negative COrr€ÏfÏOTI.- -- 6 53k TH TH TH TH TH TH HH ng già 49 Figure 22 - Positive COTT€ÏAfIOT. 6 333 vn TH TH TH TH TH HH Hiệp 49 Figure 23 - Result of reduce OU{ÏI€T-.- - --- + + + + 3x E*kESeeEseeereeeeereeeereere 50 Figure 24 - Result of clustering methO(s.-- --- + + + + seeerseeereerereere 51 Figure 25 - Score model Decision Tree .cceesceesseeeseeesneeeseeceseeeeaeeesaeeeseeeeeeesaes 53 Figure 26 - Score model KNN.

LH HH TH HH HH 54 Figure 27 - Score model Ï.-- «xxx 3 3 9191 HH ng HH rưệt 55 Figure 28 - Score model SM. kg TH TH HH HH ng 56 Figure 29 - Score model LOGISTIC REGRESSION. c2 S2sesee 58 Figure 30 - Score model XG BOOS.-- -- c1 1111 1v HH ng re 59 Figure 31 — Score of ELM Model .-- -- << 1139113 1S kg re 61 Figure 32 - Cross-Entropy “s aÏØOTIfhm.- -- - + 1311131 E+EESeeEseeeerrersreere 63 Figure 33 - Formula to calculate aCCUTACY. - c c1 11131113111 1 ve rre 63 Figure 34 - Formula to calculate DF€CISIOTI.- -- <5 +5 *+2+£+*E+veeEeeeeeeereeeers 64 Figure 35 - Formula to calculate Fl- SCOTG.

5 + + + * + E+*vEEseeeeeersreers 64 Figure 36 - Formula to calculate r€CaÏÏÏ.-- -- -- ¿+ +++ + *++‡++*kE+veeEseereeeeeeeerereere 64 Figure 37 - Score the MOel.- -- -- <1 1311131111911 9111 vn HH ng 66 Figure 38 - Score Model .- ---- <5 1 1 HT TH HH Hư 67 LIST OE TABLES Le Table 1.1 - Configure the execution COIDUẨ€T .2 - Configure the Python 3 Google Compute Engine.1 - Accuracy based results of deep learning algorithms.2 - The list of features available in the CCF dafaset.3 - Characteristics of the dataset. 1v ng ng, 36 Table 3.4 - Characteristics of the dataset .- 5 6s vn ngư 37 Table 3.5 - Characteristics of the đafaS€(.- 2G G1 111v SH re 52 Table 3.6 - Table score of Decision “ÏTT€€.7 - Table score Of KNN. LH HH HH HH HH, 54 Table 3.8 - Table score Of RE. c5 11k TH TH HH HH 55 Table 3.9 - Table score Of SVM.

LH HH HH TH TH TH HH HH, 57 Table 3.10 - Table score of Decision “TTT€.- --- 6 sa s11 139113511931 1 31x krse 58 Table 3.11 - Table score of XG BooSt .- 0 n1 ng ng ngư 60 Table 3.12 - Table score Of ELUÌM.-- 5G s11 E91 211191 9111 11t HH ng tr 61 Table 3.13 - Table score of CINN.-- HH HH TH HH HH, 67 Table 3.14 - Table score of BaseÏine. ng ng ng ry 68 Table 3.16 - Results of the algorithms when running on the initial data.17 - Results of algorithms when running on only positive correlations .18 - Results of algorithms when running on only negative correlations .19 - Results of algorithms when running on negative correlations and positive COTT€ÏAfÏOTN§. -- 2 222211101110101033111 11T ng g0 0 HH 70 Table 3.20 - The results of the algorithms when running on the processed data set 71 Table 3.21 - Comparison between 3 models witth different data sefs. 72 ABSTRACT CCF represents an escalating threat to financial institutions, as fraudsters continually develop novel methods to exploit vulnerabilities.

The need for a robust classifier is paramount to adjust to the ever-changing landscape of fraud. The primary goal of a fraud detection system is to precisely forecast instances of fraud while minimizing the occurrence of false positives. The effectiveness of machine learning (ML) approaches varies across diverse business scenarios, where the characteristics of input data play a crucial role in determining the suitable ML techniques. In the realm of CCF detection, pivotal factors influencing model performance encompass the quantity of features, transaction volume, and inter-feature correlations.

Deep learning (DL) techniques, exemplified by Convolutional Neural Networks (CNNs) and their layers, are essential for text processing and serve as a foundational model. Applying these techniques to identify fraudulent credit card activities surpasses the capabilities of traditional algorithms. A comparative evaluation of algorithmic performances highlights the CNN with 20 layers and the XG Boost model as the leading methods, achieving an impressive accuracy of 94. Numerous sampling methods are employed to boost the performance of existing examples, yet they exhibit a noticeable decline in efficacy when applied to unseen data.

Intriguingly, there is an observed enhancement in performance on unseen data with an increased class imbalance. Future research initiatives might explore the integration of more sophisticated deep learning methods to elevate the overall performance of the model proposed in this study. Reason for choosing the topic Credit Card Fraud (CCF) is a form of identity theft where unauthorized individuals use stolen or fake credit card details to conduct transactions. The use of lost, stolen, or forged credit cards can lead to fraudulent activities.

Fraud without physical card possession or the use of credit card information in online transactions is becoming more common due to the growing popularity of online shopping. The increase in fraud, such as CCF, is a result of the expansion of electronic banking and various online payment platforms, resulting in billions of dollars in annual damages. Detecting CCF has become a top priority in this era of digital payments. As a business owner, it is clear that the future is moving towards a cashless society.

As a result, traditional payment methods may not be effective for business expansion, as customers may not always carry cash. Debit and credit card payments are currently subject to fees by companies. As a result, businesses must update their infrastructure to accept all forms of payments. This situation is expected to become even more critical in the coming years [1].

In 2020, approximately 393,207 incidents of Credit Card Fraud (CCF) occurred, accounting for a significant portion of the reported 1.4 million identity theft cases [4]. Presently, CCF ranks as the second most prevalent type of identified identity theft, following closely behind government document and benefits fraud [5]. More specifically, 365,597 instances of fraud in 2020 were associated with the unauthorized opening of new credit card accounts [10]. Comparing the years 2019 and 2020 reveals a substantial 113% increase in identity theft complaints, with reports of credit card identity theft witnessing a notable surge of 44.

On a global scale, payment card theft resulted in an economic loss of $24.26 billion the preceding year. It is noteworthy that the United States, accounting for 38.6% of reported card fraud losses in 2018, emerges as the most susceptible country to credit card theft. Page | 10 Hence, it is essential for financial institutions to prioritize the implementation of an automated system for detecting fraud. The objective of detecting Credit Card Fraud (CCF) entails creating a Machine Learning (ML) model that leverages historical data from credit card payment transactions.

This model aims to distinguish between transactions that are fraudulent and those that are legitimate, using this insight to assess the authenticity of incoming transactions. Overcoming associated challenges requires tackling fundamental issues such as system responsiveness, cost considerations, and feature preprocessing.