Abstract
Быстрое развитие цифровых финансовых транзакций увеличило риск мошеннических действий, что увеличило потребность в более эффективных методах обнаружения мошенничества. В данной статье представлено комплексное исследование, которое использует методы машинного оьучения для выявления мо-шенничества в транзакциях по кредитным картам. Статья состоит из разделов: экс-плораторный анализ данных, предварительная обработка данных, обучение модели с различными методами балансировки классов и оптимизация гиперпараметров. Эксперименты на большом наборе данных кредитных карт показали, что лучшая модель достигла AUC 96,82 % и средней точности 88 %. Поскольку структура обу-чается с использованием подхода, управляемого данными, она может динамически адаптироваться к новым схемам мошенничества, обеспечивая высокую точность вы-явления подозрительных действий. Кроме того, способность модели обрабатывать большие объемы данных в режиме реального времени делает ее более подходящей для финансовых учреждений, управляющих высокими транзакционными нагрузка-ми.