Mô hình học máy phát hiện và cảnh báo gian lận giao dịch điện tử

Đề án thạc sĩ Hệ thống thông tin: xây dựng mô hình học máy phát hiện giao dịch gian lận, dùng dữ liệu mô phỏng công khai (PaySim, TabFormer) được ánh xạ theo cấu trúc bản tin giao dịch ngân hàng Việt Nam (ATM, POS, ECOM, chuyển tiền). Công việc tôi thực hiện: - Tiền xử lý dữ liệu, thiết kế 9 đặc trưng hành vi giao dịch - Huấn luyện và so sánh XGBoost, Random Forest, Logistic Regression - Giải thích kết quả mô hình bằng SHAP để nghiệp vụ hiểu vì sao giao dịch bị cảnh báo Kết quả: XGBoost đạt PR-AUC 0,98; bộ đặc trưng hành vi giúp tăng PR-AUC thêm 0,22 so với mô hình cơ bản. Công nghệ: Python, pandas, scikit-learn, XGBoost, SHAP, Jupyter.