CPAC

新的CPAC方法通过改进的潜在空间聚类来增强欺诈检测

研究人员开发了一种名为因果原型注意力分类器（CPAC）的新方法，以改进欺诈性信用卡交易的检测。该方法通过增强分类器区分合法和欺诈活动的能力，解决了金融数据中极端类别不平衡的挑战。CPAC利用基于原型的注意力机制，并与变分自编码器-生成对抗网络（VAE-GAN）集成，以在潜在空间中实现更好的分离，其性能优于SMOTE等传统过采样技术和其他生成模型。所提出的方法在评估中取得了93.74%的显著F1分数和92.85%的召回率。