南加大探究項目

基于機器學習的信用卡欺詐檢測

課題簡介

機器學習（Machine Learning, ML）

是人工智能的一個分支。它也是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論，機器學習與推斷統計學聯系尤為密切，也被稱為統計學習理論。

機器學習已廣泛應用于數據挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略游戲和機器人等領域。

盜刷信用卡風險已經成為困擾全球銀行信用卡部門的難題之一。僅以美國為例，美聯儲的支付調查報道顯示，2012年全美信用卡支付總金額達到260億美元，這其中未經授權的信用卡支付，也就是盜刷信用卡的金額高達61億美元。衡量信用卡交易的風險涉及一系列復雜的技術，從金融到經濟到法律再到信息科學。傳統的信用卡盜刷檢測需要大量人力參與到分析判斷上，人類審核員會打電話確認這筆交易是否涉嫌信用卡盜刷。現在，由于交易量激增，各大銀行的信用卡部門開始依靠大數據，并通過機器學習和云計算的方法快速甄別涉嫌盜刷的信用卡交易。

本課題旨在探索機器學習在信用卡欺詐檢測中的基本應用。運用計算機編程和數學模型構建信用卡欺詐的主要特征，并應用機器學習方法自動鑒別涉嫌盜刷的信用卡交易，最終生成實時監測信用卡欺詐的智能程序，力求獲得對實踐有指導意義的結論。

 

科研方法

AI+X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

1. 英文：
（1）具備基本的學術英語閱讀能力；
（2）接觸過英文寫作，有論文寫作經驗者更佳；

 

2. 數學：
（1）概率統計基礎知識
（2）線性回歸
（3）線性代數基礎（行列式、矩陣運算等）

 

3. 計算機：
（1）Python