Über unsTopKurse
← heapsort-ai

fraud detection

16 items

RESEARCHarXiv CS.LG·4/17/2026

Shapley Value-Guided Adaptive Ensemble Learning for Explainable Financial Fraud Detection with U.S. Regulatory Compliance Validation

Diese Forschung befasst sich mit der Herausforderung der Erklärbarkeit in der KI zur Erkennung von Finanzbetrug, was für die Einhaltung US-amerikanischer Vorschriften entscheidend ist. Sie stellt die SHAP-Guided Adaptive Ensemble (SGAE)-Methode vor, die Ensemble-Gewichtungen dynamisch basierend auf der Übereinstimmung der SHAP-Attribution anpasst und so hohe Leistung und Transparenz erreicht.

regulatory complianceFinancial servicesmachine learningExplainable AI
29
ARTICLEDEV.to AI·5/5/2026

Como Automatizar a Conciliação de Cartões de Crédito com IA

Dieser Artikel untersucht, wie künstliche Intelligenz die Kreditkartenabstimmung, eine entscheidende und zeitaufwändige Aufgabe für Unternehmen, automatisieren und optimieren kann. SolutionPro wird als KI-gestützte Plattform vorgestellt, die Transaktionen verarbeitet, Betrug erkennt und sofortige Berichte erstellt, was zu erheblichen Zeit- und Kosteneinsparungen führt.

FinTechAI automationfraud detectionoperational efficiency
28
RESEARCHarXiv CS.LG·4/16/2026

Synthetic Tabular Generators Fail to Preserve Behavioral Fraud Patterns: A Benchmark on Temporal, Velocity, and Multi-Account Signals

Diese Forschung führt „Verhaltensfidelität“ als neue Bewertungsdimension für synthetische tabellarische Daten ein, die misst, ob generierte Daten zeitliche und strukturelle Verhaltensmuster bewahren, die für die Betrugserkennung entscheidend sind. Sie beweist, dass dominante zeilenunabhängige Generatoren prinzipiell unfähig sind, komplexe Betrugsgraph-Motive mit mehreren Konten zu reproduzieren.

synthetic datafraud detectionbehavioral patterns
28
ARTICLEDEV.to AI·vor 17T

YouTube Just Made Every Creator a Deepfake Cop — Here's Why Investigators Should Be Nervous

Die erweiterten Deepfake-Erkennungstools von YouTube verwandeln die Verifizierung synthetischer Medien in eine Standardproduktionsanforderung und verschieben die Beweislast bei digitalen Ermittlungen. Diese "Demokratisierung der Erkennung" bedeutet, dass Plattform-Ähnlichkeitserkennungs-Flags zu primären Artefakten in Rechts- und Versicherungsstreitigkeiten werden.

deepfakesecuritycomputer visionfraud detection
28
ARTICLEDEV.to AI·vor 26T

Google's AP2 and the missing piece: agent credit scoring

Googles AP2 und andere Zahlungsprotokolle für autonome Agenten fehlen eine entscheidende Risikoprüfungsschicht, was Bedenken hinsichtlich Haftung und Betrug aufwirft. Ein System wie "Agent FICO" ist erforderlich, um die Ausgabenhistorie zu verfolgen, Anomalien zu erkennen und die Vertrauenswürdigkeit von Agenten zu verwalten, um zukünftige Betrugswellen zu verhindern.

payment systemsAI protocolssecurityautonomous agents
27
CASEDEV.to AI·vor 24T

The Answer Is an Edge, Not a Sentence — Building a Topology-Native GraphRAG Intelligence Platform with TigerGraph

Dieser Inhalt stellt "Shadow Network Intelligence" vor, eine GraphRAG-gestützte Plattform für Finanzkriminalitätsuntersuchungen. Es wird argumentiert, dass die topologiebewusste Abfrage, die sich auf die Rekonstruktion von Beziehungen konzentriert, der traditionellen dokumentenzentrierten RAG bei der Erkennung von Betrugsnetzwerken überlegen ist.

graph databasesGraphRAGfraud detectionAI
27
RESEARCHarXiv CS.LG·vor 17T

Temporal Contrastive Transformer for Financial Crime Detection: Self-Supervised Sequence Embeddings via Predictive Contrastive Coding

Der Temporal Contrastive Transformer (TCT) ist ein neuer Rahmen für das Repräsentationslernen, der für Sequenzen von Finanztransaktionen zur Betrugserkennung entwickelt wurde. Er nutzt selbstüberwachtes kontrastives Lernen, um Einbettungen zu erzeugen, die zeitliche Verhaltensmuster erfassen, und zeigt eine aussagekräftige Vorhersageleistung, insbesondere in Kombination mit domänen-spezifischen Merkmalen.

Financial AIsecuritymachine learningfraud detection
27
RESEARCHarXiv CS.AI·vor 27T

Rethinking LLMOps for Fraud and AML: Building a Compliance-Grade LLM Serving Stack

Dieses Forschungspapier schlägt einen spezialisierten LLMOps-Stack für Betrugserkennung und AML-Compliance vor, der deren spezifische Serving-Anforderungen im Vergleich zu generischen Chat-Workloads berücksichtigt. Der Stack integriert verschiedene fortschrittliche Techniken, um evidenzreiche, schemabezogene Prompts effizient zu verarbeiten und eine Compliance-gerechte Leistung mit selbst gehosteten Open-Weight-LLMs zu gewährleisten.

LLMOpssecurityAML Compliancefraud detection
27