作者 | 陳峻

審校 | 重樓

引言

如今，基于互聯(lián)網(wǎng)服務(wù)的欺詐案例時(shí)常登頂媒體頭條，而使用在線服務(wù)和數(shù)字交易的金融行業(yè)尤其成為了重災(zāi)區(qū)。網(wǎng)絡(luò)洗錢、保險(xiǎn)欺詐、網(wǎng)銀盜用、虛假銀行交易等復(fù)雜金融欺詐行為層出不窮，我們亟待通過(guò)行之有效的欺詐識(shí)別與檢測(cè)的手段，來(lái)保護(hù)個(gè)人和組織免受巨大的經(jīng)濟(jì)損失。

作為一種自適應(yīng)性強(qiáng)、可擴(kuò)展性高的技術(shù)，機(jī)器學(xué)習(xí)算法具有從數(shù)據(jù)中學(xué)習(xí)、發(fā)現(xiàn)復(fù)雜模式的能力，因此被廣泛地應(yīng)用于各種科學(xué)領(lǐng)域。而檢測(cè)金融欺詐正是其能夠大顯身手的新賽道。

模型介紹

目前，被用于金融欺詐檢測(cè)的典型算法包括：邏輯回歸（LR）、支持向量機(jī)（SVM）、K-近鄰（KNN）、奈夫貝葉斯（NB）、決策樹（DT）、隨機(jī)森林（RF）和增強(qiáng)奈夫貝葉斯 (TAN)等。其中，

• SVM使用最佳超平面對(duì)數(shù)據(jù)點(diǎn)進(jìn)行分類
• KNN根據(jù)K-Nearest Neighbors對(duì)交易進(jìn)行分類
• NB使用概率學(xué)習(xí)來(lái)估計(jì)類別的概率
• DT通過(guò)生成決策樹以進(jìn)行基于特征的分類
• RF結(jié)合決策樹以減少過(guò)擬合
• TAN通過(guò)樹狀依賴結(jié)構(gòu)來(lái)增強(qiáng)NB以捕捉特征相關(guān)性

這些模型為識(shí)別和檢測(cè)金融欺詐提供了多種方法，有助于建立出強(qiáng)大的實(shí)時(shí)欺詐檢測(cè)系統(tǒng)。當(dāng)然，它們各有利弊，在為具體應(yīng)用選擇算法時(shí)，我們需要考慮數(shù)據(jù)集的大小、特征空間、處理需求、以及可解釋性等因素。

為此，一種改進(jìn)的集合機(jī)器學(xué)習(xí)（Ensemble Machine Learning）技術(shù)應(yīng)運(yùn)而生。它能夠?qū)⒍鄠€(gè)單獨(dú)的算法模型組合在一起，通過(guò)重點(diǎn)優(yōu)化模型的各項(xiàng)參數(shù)、提高性能指標(biāo)，以及整合深度學(xué)習(xí)（如Bagging、Boosting和Stacking），進(jìn)而創(chuàng)建出可以修復(fù)識(shí)別到的錯(cuò)誤、并減少假陰性的強(qiáng)大欺詐檢測(cè)系統(tǒng)。

集合學(xué)習(xí)檢測(cè)模型

既然是組合，那么我們便可以綜合選配各種機(jī)器學(xué)習(xí)分類器。而每一種分類器都會(huì)以其獨(dú)特的優(yōu)勢(shì)發(fā)揮應(yīng)有的作用。

如上圖所示，一個(gè)典型的金融欺詐類識(shí)別與檢測(cè)模型會(huì)包括如下組件：

• SVM，擅長(zhǎng)為類別分離確定適當(dāng)?shù)某矫?/span>
• LR，對(duì)事件概率進(jìn)行建模
• RF，能夠建立穩(wěn)健的決策樹
• KNN，根據(jù)近鄰中的多數(shù)類進(jìn)行分類
• Bagging，會(huì)使用KNN作為基本分類器，以進(jìn)一步豐富集合
• Boosting，使用RF作為基礎(chǔ)分類器
• 最下方的投票分類器（Voting Classifier）可以綜合上述分類器的各種預(yù)測(cè)結(jié)果

由于采用了集合機(jī)器學(xué)習(xí)的協(xié)同方式，因此該模型在檢測(cè)金融領(lǐng)域少數(shù)類別的數(shù)據(jù)，以及解決類別不平衡方面，具有出色的表現(xiàn)。其根本意愿在于，集合模型有助于聚集不同的弱學(xué)習(xí)算法，以增強(qiáng)其整體識(shí)別與檢測(cè)能力，進(jìn)而提高相關(guān)決策的可解釋性和透明度。此外，與深度學(xué)習(xí)架構(gòu)相比，集合式計(jì)算的密集度較低，因此也更適合金融領(lǐng)域本來(lái)就計(jì)算資源有限的場(chǎng)景。

檢測(cè)模型的評(píng)估

我們?cè)撊绾蝸?lái)評(píng)估機(jī)器學(xué)習(xí)系統(tǒng)對(duì)于具體金融欺詐的檢測(cè)效果呢？通常，業(yè)界會(huì)采用如下基本流程：

• 首先，選擇一個(gè)包含了合法交易和欺詐交易記錄的數(shù)據(jù)集。
• 由于數(shù)據(jù)集中存在著各種無(wú)序、原始、殘缺、以及重復(fù)的實(shí)例，系統(tǒng)的檢測(cè)很容易出現(xiàn)誤差，因此我們需要進(jìn)行數(shù)據(jù)預(yù)處理，使其適合模型的訓(xùn)練和測(cè)試。
• 接著，鑒于欺詐交易只占整體交易數(shù)據(jù)的一小部分，我們需要對(duì)不平衡的數(shù)據(jù)集進(jìn)行采樣。
• 然后，系統(tǒng)將整理好的采樣數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本，使用其中的訓(xùn)練樣本對(duì)已選的機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，并使用這兩種樣本來(lái)觀察訓(xùn)練模型的行為。
• 在獲得準(zhǔn)確率、精確度、召回率、F1分?jǐn)?shù)等選定評(píng)估參數(shù)的結(jié)果后，對(duì)系統(tǒng)的整體能力進(jìn)行分析和比較。

模型評(píng)估標(biāo)準(zhǔn)

在評(píng)估模型的清晰度和理解度時(shí)，業(yè)界通常會(huì)使用混淆矩陣（Confusion Matrix）。如下圖所示，該矩陣由真陽(yáng)性(TP)、真陰性(TN)、假陽(yáng)性(FP)和假陰性(FN)四個(gè)直觀的象限組成：

基于上述矩陣，目前被業(yè)界廣泛認(rèn)可的是模型評(píng)估標(biāo)準(zhǔn)通常包括：準(zhǔn)確率、精確度、召回率和F1分?jǐn)?shù)四個(gè)方面的指標(biāo)。其中：

• 準(zhǔn)確率，是所有正確預(yù)測(cè)（TP + TN）與樣本中預(yù)測(cè)或條目總數(shù)（TP + TN + FN + FP）之比。
• 精確度，是TP與模型所做的所有正面預(yù)測(cè)（TP + FP）之比。換句話說(shuō)，它是模型做出的正面預(yù)測(cè)的準(zhǔn)確度。
• 召回率，是用來(lái)衡量機(jī)器學(xué)習(xí)模型識(shí)別正向類所有實(shí)例的能力指標(biāo)。它是正確預(yù)測(cè)到的陽(yáng)性觀察結(jié)果（TP）與實(shí)際陽(yáng)性觀察結(jié)果總數(shù)（TP+FN）的比率。
• F1分?jǐn)?shù)，是將精確度和召回率的結(jié)果合并為一個(gè)平衡的平均值指標(biāo)。

評(píng)估模型的準(zhǔn)確率

目前，有專家將集合學(xué)習(xí)模型與里面包含的LR、RF、KNN、Bagging、Boosting模型進(jìn)行了逐一比較。就同樣的數(shù)據(jù)集測(cè)試樣本而言，其結(jié)果的精確度、召回率和F1分?jǐn)?shù)如下表所示：

可見(jiàn)，集合學(xué)習(xí)模型能夠很好地捕捉到相關(guān)數(shù)據(jù)，對(duì)其進(jìn)行精確預(yù)測(cè)，從而實(shí)現(xiàn)了對(duì)特定數(shù)據(jù)的高靈敏度，并保持了穩(wěn)定的較低誤判率。

下表則更全面地向您展示了將各種典型機(jī)器學(xué)習(xí)算法，被運(yùn)用到實(shí)時(shí)金融欺詐場(chǎng)景的準(zhǔn)確率綜合比較：

評(píng)估模型效率

除了準(zhǔn)確率維度，我們也應(yīng)該評(píng)估模型的計(jì)算效率。這往往涉及到在檢測(cè)過(guò)程中，模型所需的訓(xùn)練和測(cè)試時(shí)間，以及這些過(guò)程對(duì)內(nèi)存和存儲(chǔ)等系統(tǒng)資源的利用率。

注意：上表中的內(nèi)存使用值是以兆字節(jié)（MiB）為單位，換算系數(shù)關(guān)系為1 MiB等于1.04858 MB。

總體而言，不同算法的訓(xùn)練和測(cè)試時(shí)間各不相同。其中，LR、SVM和KNN算法的訓(xùn)練時(shí)間較長(zhǎng)，但測(cè)試時(shí)間較短；而其他模型則呈現(xiàn)出相反的趨勢(shì)。

小結(jié)

綜合上述，通過(guò)利用各種計(jì)算學(xué)習(xí)算法，我們不但可以提高金融欺詐檢測(cè)的準(zhǔn)確性和效率，而且能夠盡早地發(fā)現(xiàn)潛在的欺詐活動(dòng)，進(jìn)而及時(shí)采取預(yù)防和抵御的措施，以減少其影響。

同時(shí)，隨著信用卡欺詐技術(shù)的不斷發(fā)展，能夠有效綜合各種算法優(yōu)勢(shì)的集合機(jī)器學(xué)習(xí)檢測(cè)模型，已為我們進(jìn)一步開發(fā)更具擴(kuò)展性和適應(yīng)性的欺詐檢測(cè)系統(tǒng)，奠定了基礎(chǔ)。從而在保證金融系統(tǒng)安全的同時(shí)，持續(xù)維護(hù)了消費(fèi)者對(duì)于多元化互聯(lián)網(wǎng)金融交易的信心。

作者介紹

陳峻（Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對(duì)內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專注傳播網(wǎng)絡(luò)與信息安全知識(shí)與經(jīng)驗(yàn)。