АНАЛІЗ ТА КЛАСИФІКАЦІЯ ПАТЕРНІВ ШАХРАЙСТВА ІЗ КРЕДИТНИМИ КАРТКАМИ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

Анотація

Актуальність дослідження зумовлена стрімким зростанням кіберзлочинів у фінансовому секторі, зокрема шахрайств із кредитними картками, що завдають значних фінансових втрат і підривають довіру клієнтів до банківських систем. Метою роботи є аналіз і класифікація патернів шахрайських транзакцій з використанням машинного навчання для підвищення ефективності їх виявлення та профілювання. Дослідження виконане на публічному датасеті Credit Card Fraud Detection, що містить 284 807 транзакцій із 30 ознаками (28 анонімізованих PCA-ознак, Time, Amount та Class), з дисбалансом класів (492 шахрайські операції). Висунуто гіпотези щодо переваги оптимізованого XGBoost, ефективності кластеризації K-Means та підвищення точності завдяки циклічному кодуванню часу та порівнянню методів балансування. Для досягнення мети застосовано комплексний підхід: попередню обробку даних (масштабування StandardScaler для Amount, Sine-Cosine encoding для Time), балансування класів (SMOTE, ADASYN, RandomUnderSampler), класифікацію з використанням Logistic Regression, Random Forest, XGBoost і ансамблевої моделі Stacking (з метакласифікатором Logistic Regression), реалізованих у Python з бібліотеками scikit-learn, XGBoost, imbalancedlearn та shap. Оцінювання моделей проводилося за метриками F1-score, ROC-AUC, PR-AUC, MCC, G-mean із крос-валідацією (StratifiedKFold). Кластеризація K-Means виконана на ознаках V14, V17, Amount, Time_sin, Time_cos, а SHAP-аналіз – для оцінювання внеску ознак. Результати експериментів виявили, що найвищий F1-score (0,99950) та високу стійкість продемонструвала модель Random Forest із балансуванням SMOTE, тоді як ансамбль Stacking досяг найкращого значення ROC-AUC (0,979). Модель XGBoost показала хороші результати (F1 = 0,99869), однак гіпотеза про її безумовну перевагу потребує корекції. Отже, ефективність моделей значно залежить від поєднання алгоритму та методу балансування даних. SHAP-аналіз виявив домінування V14, V4, V12; темпоральний аналіз показав піки активності о 2:00 (12%) та 11:00 (11%); кластеризація виділила 5 груп з різними профілями (від низьких сум з аномальними V14 до високих денних операцій). Наукова новизна полягає в інтеграції циклічного кодування темпоральних ознак з ансамблевими методами й оцінкою ефективності балансування, що підвищило точність на 5–10% порівняно зі стандартними підходами, а також у сегментації патернів шахрайства для реального часу моніторингу. Модель може бути запроваджена в системи фінансових установ для зменшення втрат від шахрайства, з низькою кількістю хибних спрацювань (FN = 13 для XGBoost).