Come l'intelligenza artificiale può sconfiggere i truffatori delle carte di credito?

Le truffe con le carte di credito diventano sempre più sofisticate, ma l'intelligenza artificiale sta sviluppando nuove armi per contrastarle. Il problema principale? I dati delle transazioni fraudolente sono pochissimi rispetto a quelli legittimi, rendendo difficile per i modelli di machine learning imparare a riconoscerle. Per risolvere questo problema, i ricercatori hanno testato modelli generativi come Variational Autoencoders (VAEs), Autoencoders (AEs), Generative Adversarial Networks (GANs) e un ibrido AE-GAN. Questi modelli creano dati sintetici di frodi, bilanciando il dataset e migliorando la capacità dei modelli di rilevare le truffe. I risultati? I modelli generativi superano i metodi tradizionali di oversampling come SMOTE e ADASYN, offrendo una soluzione più efficace per proteggere i nostri soldi.

I modelli generativi come VAEs, AEs, GANs e AE-GAN funzionano creando nuovi dati che imitano quelli reali. Ad esempio, un VAE comprime i dati in una rappresentazione latente e poi li ricostruisce, generando nuove varianti. Le GAN, invece, usano due reti neurali: una genera dati sintetici e l'altra li valuta, migliorando la qualità dei dati generati. L'ibrido AE-GAN combina le capacità di compressione degli Autoencoders con la generazione avversariale delle GAN. Questi modelli sono stati testati su un dataset reale di transazioni con carte di credito, dimostrando una maggiore efficacia nel rilevare frodi rispetto ai metodi tradizionali. La metrica BEFS (Balanced Error-Free Score) è stata utilizzata per valutare le prestazioni, mostrando che i modelli generativi ottengono punteggi più alti, soprattutto nelle situazioni di squilibrio di classe.