Détection de fraude par carte de crédit à l'aide de l'apprentissage automatique avec intégration des connaissances contextuelles

Credit card fraud detection using machine learning with integration of contextual knowledge

• Auteur / Autrice : Yvan Lucas
• Direction : Sylvie Calabretto, Michael Granitzer
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/12/2019
• Etablissement(s) : Lyon en cotutelle avec Universität Passau (Allemagne)
• Ecole(s) doctorale(s) : École doctorale InfoMaths (Lyon ; 2009-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'InfoRmatique en Images et Systèmes d'information (Ecully, Rhône ; 2003-....) - Laboratoire d'InfoRmatique en Image et Systèmes d'information / LIRIS
• Partenaire(s) de recherche : Equipe de recherche : Distribution, Recherche d'Information et Mobilité
• Jury : Président / Présidente : Gabriele Gianini
• Jury : Examinateurs / Examinatrices : Sylvie Calabretto, Michael Granitzer, Gabriele Gianini, Eric Gaussier, Chantal Soulé-Dupuy, Léa Laporte, Mathias Lux, Pierre-Edouard Portier
• Jury : Rapporteur / Rapporteuse : Eric Gaussier, Chantal Soulé-Dupuy

Mots clés

Mots clés contrôlés

Apprentissage automatique

Cartes de crédit -- Utilisation frauduleuse

Fraude bancaire

Mots clés libres

Informatique

Classification de séquences

Détection fraude

Apprentissage automatique

Carte de crédit

Détection de Fraud à la Carte

Evaluation de la performance

Contextualisation

Carte bancaire

Computer science

Machine learning

Fraud detection

Sequence classification

Credit card

Credit card fraud detection

Performance evaluation

Contextualization

Résumé

La détection de fraude par carte de crédit présente plusieurs caractéristiques qui en font une tâche difficile. Tout d'abord, les attributs décrivant une transaction ignorent les informations séquentielles. Deuxièmement, les comportements d'achat et les stratégies de fraude peuvent changer au fil du temps, rendant progressivement une fonction de décision apprise par un classifieur non pertinente. Nous avons effectué une analyse exploratoire afin de quantifier le dataset shift jour par jour et avons identifé des périodes calendaires qui ont des propriétés différentes au sein du jeu de données. La stratégie principale pour intégrer des informations séquentielles consiste à créer un ensemble d'attributs qui sont des statistiques descriptives obtenues en agrégeant les séquences de transactions des titulaires de carte. Nous avons utilisé cette méthode comme méthode de référence pour la détection des fraudes à la carte de crédit. Nous avons proposé une stratégie pour la création d'attributs basés sur des modèles de Markov cachés (HMM) caractérisant la transaction par différents points de vue afin d'intégrer un large spectre d'informations séquentielles au sein des transactions. En fait, nous modélisons les comportements authentiques et frauduleux des commerçants et des détenteurs de cartes selon deux caractéristiques univariées: la date et le montant des transactions. Notre approche à perspectives multiples basée sur des HMM permet un prétraitement automatisé des données pour modéliser les corrélations temporelles. Des expériences menées sur un vaste ensemble de données de transactions de cartes de crédit issu du monde réel (46 millions de transactions effectuées par des porteurs de carte belges entre mars et mai 2015) ont montré que la stratégie proposée pour le prétraitement des données basé sur les HMM permet de détecter davantage de transactions frauduleuses quand elle est combinée à la stratégie de prétraitement des données par aggrégations.

The detection of credit card fraud has several features that make it a difficult task. First, attributes describing a transaction ignore sequential information. Secondly, purchasing behavior and fraud strategies can change over time, gradually making a decision function learned by an irrelevant classifier. We performed an exploratory analysis to quantify the day-by-day shift dataset and identified calendar periods that have different properties within the dataset. The main strategy for integrating sequential information is to create a set of attributes that are descriptive statistics obtained by aggregating cardholder transaction sequences. We used this method as a reference method for detecting credit card fraud. We have proposed a strategy for creating attributes based on Hidden Markov Models (HMMs) characterizing the transaction from different viewpoints in order to integrate a broad spectrum of sequential information within transactions. In fact, we model the authentic and fraudulent behaviors of merchants and cardholders according to two univariate characteristics: the date and the amount of transactions. Our multi-perspective approach based on HMM allows automated preprocessing of data to model temporal correlations. Experiments conducted on a large set of data from real-world credit card transactions (46 million transactions carried out by Belgian cardholders between March and May 2015) have shown that the proposed strategy for pre-processing data based on HMMs can detect more fraudulent transactions when combined with the Aggregate Data Pre-Processing strategy.