基于集成机器学习与混合数据采样的信用卡欺诈检测新方法研究

为解决信用卡欺诈检测中数据不平衡、误判率高及实时处理困难等问题，研究人员提出一种结合SMOTE（合成少数类过采样技术）与ENN（编辑最近邻）的集成机器学习模型EML-SB。实验表明该方法在准确率（ACC 0.99997）、召回率（1）等指标上优于现有技术，为金融安全领域提供了更鲁棒的解决方案。

　　

信用卡欺诈已成为全球金融系统的顽疾。英国财政部2022年数据显示，每分钟因欺诈损失高达2300英镑，其中78%通过互联网渠道实施。传统检测方法面临三大挑战：一是数据严重不平衡（欺诈交易仅占0.172%），导致模型偏向多数类；二是误判率高，既可能误拦合法交易（FP）又可能漏检欺诈（FN）；三是现有算法在实时性和泛化能力上存在局限。

针对这些问题，来自未知机构的研究团队在《Machine Learning with Applications》发表了一项创新研究。他们开发了名为EML-SB（Ensemble Machine Learning based on Sample Balancing）的新型检测系统，通过集成AdaBoost、随机森林(RF)和K近邻(KNN)三类算法，并引入SMOTE+ENN混合采样技术，显著提升了检测性能。

研究采用四项关键技术：1）从Kaggle获取的ULB机器学习组284,807条交易数据集；2）SMOTE生成合成样本平衡数据分布，结合ENN剔除噪声样本；3）构建包含AdaBoost（50个弱学习器）、RF（100棵决策树）和KNN（k=5）的投票集成模型；4）通过精确度（Precision）、召回率（Recall）、F1值和AUC-ROC曲线等指标评估性能。

4.1 无采样模型的性能
基础集成模型在原始不平衡数据上达到0.99943准确率，但召回率仅0.736，显示对少数类识别不足。

4.2 欠采样技术对比
采用1:1欠采样后，AdaBoost与RF保持0.95263准确率，但集成模型FP降至1例，证明欠采样可降低误报。

4.3 SMOTE优化效果
SMOTE使RF模型召回率达到1，准确率0.99988，F1值0.999，显示过采样能显著提升欺诈识别率。

4.4 SMOTE+ENN突破性表现
混合采样策略（采样率0.5）使集成模型创下0.99997准确率，完全消除FN（FN=0），AUC-ROC接近完美，验证了该方法在清除噪声数据方面的优势。

4.5 横向对比
相较Sahithi等人（2022）的加权集成模型（ACC 0.99945）和Khalid等人（2024）的SMOTE方案（ACC 0.99959），本研究的SMOTE+ENN集成模型将准确率进一步提升至0.99997，且保持100%召回率。

这项研究的意义在于：首先，SMOTE+ENN的组合首次被证明能同时解决数据不平衡和噪声样本问题；其次，集成模型的FP仅2例，远低于传统方法（如AdaBoost单模型的732例FP），大幅降低误报带来的客户投诉；最后，该方案为实时检测系统提供了可行架构，其处理284,807条数据的表现显示具备工程落地潜力。未来研究可探索深度学习增强方案，并在更多金融场景中验证泛化能力。