基于注意力机制优化的WGAN-BiLSTM信用卡欺诈检测方法

信用卡欺诈是银行操作风险的主要来源之一，对信用卡诈骗交易进行准确的检测对于减少银行经济损失具有重要意义。针对信用卡欺诈检测中存在的数据类别不平衡和数据漂移的问题，提出一种基于注意力机制优化的WGANBiLSTM信用卡欺诈检测方法。首先引入Wasserstein距离改进生成对抗网络（GAN），将信用卡数据输入至WGAN(Wasserstein GAN)中，在生成器和判别器相互博弈训练下，得到符合目标分布的欺诈样本；然后，构建结合注意力机制的双向长短期记忆（BiLSTM）网络，在正反两个方向上提取信用卡数据的长时依赖关系；最后，通过Softmax层输出分类结果。在欧洲持卡人数据集上的实验结果表明，所提方法能有效提升信用卡欺诈检测效果。