Інтелектуальні системи виявлення шахрайських операцій в онлайн-платежах на підґрунті моделей машинного навчання

Супруненко М. І. Інтелектуальні системи виявлення шахрайських операцій в онлайнплатежах на підґрунті моделей машинного навчання : кваліфікаційна робота магістра : 122 Комп'ютерні науки ∕ наук. кер. І. В. Мірошниченко. Київ, 2026. 124 с.

Мета кваліфікаційної роботи магістра – розробка та дослідження інтелектуальних систем виявлення шахрайських акаунтів у платіжному сервісі на основі методів машинного навчання, включаючи табличні моделі градієнтного бустінгу, граф-нейронні мережі та стакінг-ансамблі, з досягненням максимального значення F1-score на реальних даних змагання SKELAR × mono AI Competition.
Об'єкт дослідження – процес виявлення шахрайських акаунтів у платіжному сервісі з використанням методів машинного навчання.
Предмет дослідження – методи та алгоритми машинного навчання для бінарної класифікації за ознакою шахрайської діяльності, включаючи градієнтний бустінг, граф-нейронні мережі, ансамблеві методи та підходи до конструювання ознак.
Наукова новизна роботи – запропоновано комплексний підхід, що поєднує табличні моделі градієнтного бустінгу з граф-нейронними мережами GraphSAGE на card-sharing графі та мульти-модельний стакінг з forward selection, що дозволило досягти OOF F1-score 0.8877 на реальних даних.
У роботі досліджуються сучасні підходи до виявлення фінансового шахрайства. Розроблено систему конструювання 280+ ознак, побудовано card-sharing граф із 564 830 вузлів та 1,8 млн ребер, реалізовано стакінг-ансамбль із 19 моделей з rank-нормалізацією. Запропоновано трирівневу стратегію бізнес-інтеграції антифрод-моделі.
Кваліфікаційна робота складається зі вступу, основної частини, яка включає три розділи, висновків та списку використаних джерел. Робота містить рисунки, таблиці та додатки.
Ключові слова: машинне навчання, виявлення шахрайства, граф-нейронні мережі, GraphSAGE, градієнтний бустінг, LightGBM, стакінг, card-sharing граф, F1-score, Focal Loss, антифрод.