论文部分内容阅读
银行卡交易的反欺诈技术旨在检测出欺诈风险较高的交易,通常采用神经网络进行反欺诈预防。传统神经网络只有一层隐藏层节点,对复杂多变的欺诈特征泛化能力较差。为提高欺诈交易预测的准确度,将深度信念网络模型应用到银行卡交易反欺诈中。构建了一个五层的深度信念网络模型,逐层训练并反向调优后获取到欺诈交易的特征,并通过分类器对交易进行分类。实验表明深度学习模型在银行卡交易欺诈预测方面比传统神经网络具有更高的准确性。