李占利，唐 成，靳红梅

(西安科技大学 计算机科学与技术学院，陕西 西安 710054)

0 引 言

近年来，随着机器学习和深度学习的迅速发展，研究人员已经提出了许多不同层次的信用卡欺诈检测方法。Suraj Patil等[7]使用决策树分类的方法来检测信用卡交易的异常行为，在精确性和稳定性方面有很好的表现，但该技术需要确定标签数据，缺乏泛化性；Bertrand Lebichot等[8]提出了一种基于图的半监督信用卡欺诈检测系统，使用一种集体推理算法来检测欺诈行为，但这种方法未考虑信用卡数据中出现的类不平衡问题，很难判断具体的检测效果；Mary Frances Zeager等[9]引入合成少数过采样技术(SMOTE)来缓解类失衡，但这种方法所生成的点很可能在多数类区域内，这会使得分类变得困难；Dawei.Cheng等[10]将注意力三维卷积神经网络用于信用卡欺诈检测，提出了一种基于时空注意力机制的三维卷积神经网络方法，拥有一定的实时性，但容易出现漏检现象；Altyeb Altaher Taha等[11]利用优化的光梯度增强机(OLightGBM)检测信用卡交易中的欺诈行为，但该方法未考虑信用卡数据集的不平衡性，查全率较低；Ibtissam Benchaji等[12]使用SMOTE处理类不平衡问题，将注意力机制运用于LSTM深度递归神经网络，但该方法对SMOTE生成数据具有很好的检测效果，但是对真实交易数据检测效果不佳。

针对以上问题，本文首先采用SMOTETomek进行数据清洗，并基于PCA和t_SNE设计混合数据降维方法对数据进行降维处理，从而减轻模型负担，提升模型效果；其次提出一种基于闵可夫斯基距离损失函数的生成对抗网络对预处理后的数据进行学习建模，以此检测信用卡交易中的欺诈行为。……