基于机器学习的金融欺诈检测与伦理反思
摘要:随着金融交易日趋频繁、欺诈行为愈发隐蔽,传统系统在风控中的适用性逐渐减弱,机器学习技术因其高效的识别能力而成为检测金融欺诈的重要工具。本文基于 2023年公开的信用卡交易数据,构建并对比逻辑回归与XGBoost两类模型,检验其在欺诈检测中的适用性。结果显示,XGBoost在AUC和平均精度等指标上表现更佳,具有突出的非线性建模优势。研究借助SHAP值和PCA降维等手段,揭示模型判断依据与核心变量特征,并讨论模型在误判、偏差与可解释性方面的风险。最终结合功利主义与义务论伦理框架,提出金融风控系统设计中应关注的公平、透明与责任机制。
张子琪