基于神经网络的欺诈检测.pptxVIP

基于神经网络的欺诈检测;1神经网络的欺诈检测的意义

2本课题研究的内容

3BP算法以及MATLAB实现

4欺诈检测的JAVA实现

5课题研究的结果

6课题研究的提示;欺诈在电子世界里非常普遍，从保险欺诈到互联网拍卖欺诈，从虚假的救济金申请表到电信欺诈。如果你在互联网上从事一些吸引了众多用户与法人实体的业务，当有人不遵守游戏规则时，能够把它们识别出来，这样的能力是非常有价值的。本课题以欺诈性购买交易作为例子，通过引入分类算法把欺诈交易从正常购买中找出来。;2.1生物神经网络概述

2.2生物神经网络处理过程

2.3人工神经网络概述

2.4人工神经网络处理过程

2.5基于神经网络的欺诈检测;神经细胞由一个细胞体(soma)、一些树突(dendrite)、和一根可以很长的轴突组成。神经细胞体是一颗星状球形物，里面有一个核(nucleus)。树突由细胞体向各个方向长出，本身可有分支，是用来接收信号的。轴突也有许多的分支。轴突通过分支的末梢(terminal)和其他神经细胞的树突相接触,形成所谓的突触(Synapse),一个神经细胞通过轴突和突触把产生的信号送到其他的神经细胞。每个神经细胞通过它的树突和大约10,000个其他的神经细胞相连。神经细胞相连组成了神经网络。;神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢（也就是终端）和本神经细胞的树突相遇形成突触（synapse），信号就从树突上的突触进入本细胞。信号在大脑中实际怎样传输是一个相当复杂的过程，但就我们而言，重要的是把它看成和现代的计算机一样，利用一系列的0和1来进行操作。就是说，大脑的神经细胞也只有两种状态：兴奋（fire）和不兴奋（即抑制）。发射信号的强度不变，变化的仅仅是频率。神经细胞利用一种我们还不知道的方法,把所有从树突突触上进来的信号进行相加，如果全部信号的总和超过某个阀值，就会激发神经细胞进入兴奋（fire）状态，这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值，神经细胞就不会兴奋起来。;人工神经网络(Artificialneuralnetwork,简称ANN)就是要在当代数字计算机现有规模的约束下，来模拟这种大量的并行性,并在实现这一工作时，使它能显示许多和人或动物大脑相类似的特性。模拟大脑的人工神经网络ANN是由许多叫做人工神经细胞（Artificialneuron，也称人工神经原，或人工神经元）的细小结构模块组成。人工神经细胞就像真实神经细胞的一个简化版，但采用了电子方式来模拟实现。;2.4人工神经网络处理过程;目的很直接，就是创建一个分类器，能基于训练集的交易数据学习如何识别一个欺诈交易，一旦训练好分类器，就希望在来自同一个统计分布的测试集中检验它，;3.1.数据预处理

3.2使用Matlab实现神经网络

3.3MatlabBP网络实例

3.4结果分析;在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。

数据归一化：将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9)。

归一化的原因：

1输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。

2数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。;3由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。

4S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。

Matlab中归一化处理数据可以采用premnmx，postmnmx，tramnmx这3个函数。;

使用Matlab建立前馈神经网络主要会使用到下面3个函数：

newff：前馈网络创建函数

train：训练一个神经网络

sim：使用网络进行仿真;本课题的目的主要是做欺诈检测，将数据集分为2组，每组各75个样本，分别对应着欺诈和正常消费。其中一组作为以上程序的训练样本，另外一组作为检验样本。为了方便训练，将欺诈和正常消费分别编号为1，2。

使用这些数据训练一个3个输入（分别对应3个特征：位置，花费，描述），2个输出（分别对欺诈消费和正常消费）的网络。;3.4结果分析;4.1神经网络欺诈检测器整体步骤

4.2输入节点的选择及初始化

4.3