跳到主要內容

簡易檢索 / 詳目顯示

研究生: 黃琮盛
Chung-Sheng Huang
論文名稱: 以個人消費行為預測信用卡詐欺事件之研究
指導教授: 何靖遠
Chin-Yuan Ho
口試委員:
學位類別: 碩士
Master
系所名稱: 管理學院 - 資訊管理學系
Department of Information Management
畢業學年度: 89
語文別: 中文
論文頁數: 74
中文關鍵詞: 資料叢集資料事前處理信用卡詐欺事件資料挖掘資料分類
外文關鍵詞: credit card fraud detection, data mining
相關次數: 點閱:10下載:0
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 隨著信用卡市場蓬勃發展,與信用卡使用方便且全球通行的特性,使的信用卡逐漸成為犯罪集團詐財的主要工具之一,而在台灣,偽造信用卡犯罪金額更呈現世界第一的高度成長率。
    而傳統的信用卡詐欺檢測機制,都將發生無法有效處理 – 當持有偽卡者以合法消費行為進行消費時的詐欺行為。故本研究將以如何有效利用個人化消費行為來預測信用卡詐欺記錄的方式,來有效的解決此類問題。最後,並以實驗模擬的方式,證明此架構的可行性。


    第一章緒論1 第一節研究動機1 第二節研究目的3 第三節研究範圍3 第四節問題定義4 第五節研究方法6 第六節研究限制7 第七節論文結構8 第二章文獻探討10 第一節資料挖掘(Data Mining)10 第二節資料前置處理(Data Preprocessing)11 第三節資料分類(Data Classification)16 第四節資料叢集(Data Clustering)23 第五節信用卡詐欺偵測(Credit Card Fraud Detection)27 第三章資料架構29 第一節信用卡資料欄位29 第二節資料間的關聯性30 第四章如何以個人消費行為偵測信用卡詐欺34 第一節研究架構34 第二節進行步驟37 步驟一資料事前處理37 步驟二定義持卡人叢集與消費行為叢集40 步驟三找出持卡人資料叢集與消費記錄叢集間的關係 43 步驟四定義「合理」與「不合理」的消費行為44 步驟五建立「持卡人叢集」與「消費行為叢集」決策樹45 步驟六經由資料屬性找出所屬叢集46 步驟七檢測是否發生「信用卡詐欺事件」46 第五章實驗模擬48 第一節系統環境48 第二節訓練資料之產生49 2.1表格定義(Table Define)49 2.2產生實驗用資料51 第三節建立檢驗模型51 3.1計算個人消費習慣51 3.2建立持卡人叢集52 3.3建立消費記錄叢集52 3.4建立持卡人叢集與消費記錄叢集決策樹52 3.5建立「持卡人叢集」與「消費記錄叢集」關聯52 第四節檢定是否發生信用卡詐欺事件52 4.1找出消費記錄所屬人員資料與其擁有消費習慣53 4.2鑑別信用卡持卡人所屬叢集53 4.3鑑別信用卡消費記錄所屬叢集53 4.4判定是否為「合理」的消費記錄53 第五節與傳統偵測方式比較(依檢測錯誤率)54 第六節實驗模擬結論56 第六章結論與建議57 第一節結論與貢獻57 第二節未來研究方向與建議58 第七章參考文獻60 附錄A實驗模擬資料的產生法64 附錄B建立持卡人與消費記錄叢集67 附錄C建立持卡人叢集與消費記錄叢集決策樹72 附錄D傳統檢測法於檢測錯誤率實驗74

    [蔡永恒00]蔡永恒,「應用資料挖掘技術研究銀行顧客消費行為」,靜宜大學資訊管理研究所,碩士論文,民國89年。
    [ET00]鄭哲政,「信用卡面面觀之二 信用卡詐欺」東森新聞報,http://www.ettoday.com.tw/
    [SINA00]陳宜芝,「信用卡犯罪區分八類 持卡人防範破招有術」,新浪網新聞報,http://news.sina.com.tw/,2000/10/03
    [KIMO00]鄭哲政,「信用卡犯罪/今年盜刷金額 可能直攀25億元新高」,中時奇摩報,http://news.kimo.com.tw/,2000/10/18
    [AGGR98]Agrawal, R., Gehrke, J., Gunopulos, D., Raghavan, P., “Automatic Subspace Clustering of High Dimensional Data for Data Mining Applications, ” In Proc. 1998 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’98), pages 94-105, Seattle, WA, June 1998
    [EKSX96]Ester, M., Kriegel, H., Sander, J., Xu, X., “A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise, ” In Proceedings of 2nd International Conference on Knowledge Discovery Databases and Data Mining, AAAI Press, Menlo Park, Calif., 1996. pp. 266-231
    [GRS98]Guha, S., Rastogi, R., Shim K., “CURE: An Efficient Clustering Algorithm for Large Database, ” SIGMOD 98, Proceedings ACM SIGMOD International Conference on Management of Data, June 2-4, 1998, Seattle, Washington, USA.
    [HK00]Han, J., Kamber, M., “Data mining: concepts and techniques,” Morgan Kaufmann Publishers, 2000.
    [HDB96]Hanagandi, V., Dhar, A., Buescher, K., “Density-based clustering and radial basis function modeling to generate credit card fraud scores,” Computational Intelligence for Financial Engineering, 1996., Proceedings of the IEEE/IAFE 1996 Conference on , 1996 Page(s): 247 –251
    [HK98]Hinneburg A., Keim D.A., “An Efficient Approach to Clustering in Multimedia Databases with Noise, ” Proc. 4rd Int. Conf. on Knowledge Discovery and Data Mining, New York, AAAI Press, 1998.
    [KHK99]Karypis, G., Han, E.H., Kumar, V., “Chameleon: Hierarchical Clustering Using Dynamic Modeling, ” IEEE Computer: Special Issue on Data Analysis and Mining, vol. 32, no. 8, pp 68-75, August 1999
    [KHK99]Karypis, G., Han, E.H., Kumar, V., “Chameleon: Hierarchical Clustering Using Dynamic Modeling,” IEEE Computer: Special Issue on Data Analysis and Mining, vol. 32, no.8, pp 68-75, August 1999
    [NH94]Ng, R.T., Han, J., “Efficient and Effective Clustering Methods for Spatial Data Mining, ” Proc. of 1994 Int’l Conf. On Very Large Data Bases(VLDB’94), Santiago, Chile, September 1994, pp. 144-155.
    [QJR86]Quinlan, J.R., “Induction of Decision Tree,” Machine learning, Vol.1, page 81, 1986, 81-106
    [SCZ98]Sheikholeslami, G., Chatterjee, S., Zhang, A., “WaveCluster: A Multi-Resolution Clustering Approach for Very Large Spatial Databases, ” VLDB’98, Proceedings of 24th International Conference on Very Large Databases, August 24-27, 1998, New York City, New York, USA.
    [SK00]Specht, G., Kahabka, T., “Information Filtering and Personalisation in Databases using Gaussian Curves” Database Engineering and Applications Symposium, 2000 International, 2000 ,Page(s): 16 –24
    [SFLPC97]Stolfo, S., Fan, D., Lee, W., Prodromidis, A., Chan, P., “Credit Card Fraud Detection Using Mete-learning: Issues and Initial Results,” Working Notes AAAI-97, 1997
    [SSMNH99]Sumi, K., Sumi, Y., Mase, K., Nakasuka, S., Hori, K., “Takealook: Personalizing Information Presentation According to User’s Interest Space” Systems, Man, and Cybernetics, 1999. IEEE SMC ’99 Conference Preceedings., 1999 Page(s): 354 –359 vol.2
    [TM00]Terano, T., Murakami, E., “Finding Users’ Latent Interests for Recommenation by Learning Classifier Systems,” Knowledge-Based Intelligent Engineering Systems and Allied Technologies, 2000. Proceedings. Fourth International Conference on , Volume: 2 , 2000 ,Page(s): 651 -654 vol.2
    [WYM97]Wang, W., Yang, J., Munts, R., “STING: Astatistical Information Grid Approach to Spatial Data Mining, ” In Proceedings of the 23rd VLDB Conference, pages 186-195, Athens, Greece, 1997.
    [WA00]Wheeler, R., Aitken, S., “Multiple Algorithms for Fraud Detection,” Knowledge-Based Systems, Volume: 13, Issue: 2-3, April, 2000, pp.93-99.
    [XEKS98]Xu, X., Ester, M., Kriegel, H.P., Sander, J., “A Distribution-Based Clustering Algorithm for Mining in Large Spatial Databases, ” In Proc. IEEE International Conference on Data Engineering, 1998.
    [Yu99]Yu, P.S., “Data mining and personalization technologies,” Database Systems for Advanced Applications, 1999. Proceedings., 6th International Conference on , 1999 ,Page(s): 6 –13
    [YHC96]Yu, P.S., Han, J., Chen, M.S. “Data mining: an overview from a database perspective,” Knowledge and Data Engineering, IEEE Transactions on , Volume: 8 Issue: 6 , Dec. 1996 ,Page(s): 866 -883
    [ZRL96]Zhang, T., Ramakrishnan, R., Livny, M., “BIRCH: An Efficient Data Clustering Method for Very Large Database, ” In Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, pages 103-114, Montreal, Canada, 1996.

    QR CODE
    :::