Neural Network-Based Deep Learning for Online Payment Fraud Detection
Lingua: inglese
Editore: Springer, 2026
- Rilegato
- Nuovo
Da: Revaluation Books, Exeter, Regno UnitoRevaluation Books
Venditore AbeBooks dal 6 gennaio 2003
Condizione: Nuovo
EUR 186,80
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
197 pages. 6.14x0.50x9.21 inches. In Stock.
Codice articolo x-9819585120
- Titolo
- Neural Network-Based Deep Learning for Online Payment Fraud Detection
- Autore
- Xie, Yu (Author)/ Tian, Yue (Author)/ Liu, Guanjun (Author)/ Yao, Jiamin (Author)
- Editore
- Springer
- Anno di pubblicazione
- 2026
- Condizione
- Brand New
- Rilegatura
- Hardcover
- Lingua
- inglese
- ISBN 10
- 9819585120
- ISBN 13
- 9789819585120
- Peso dell'articolo
- 0,46 chilogrammi
This book explores deep learning as a next-generation approach to online payment fraud detection in the face of increasingly complex and adaptive threats. Traditional rule-based or shallow learning methods are no longer sufficient. Through ten focused chapters, this book tackles challenges such as behavioral modeling, spatiotemporal anomaly detection, class imbalance, behavior drift, and graph-based inference. It applies advanced neural architectures including LSTM, GRU, GANs, GNNs, and spatiotemporal transformers. With a problem-driven structure, each chapter links real-world fraud problems to tailored neural solutions, validated on large-scale transaction data. This book blends theory, practical design, and empirical rigor, offering researchers and practitioners a foundation for scalable, adaptive, and reliable fraud detection systems.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
1. Yu Xie
Yu Xie received the B.S. degree in information security from Qingdao University in 2017 and the Ph.D. degree in computer software and theory from Tongji University in 2022. He is now a lecturer at the College of Information Engineering, Shanghai Maritime University. With a solid academic background in data science and cybersecurity, his recent research has focused on the application of machine learning and deep learning techniques in financial transaction systems. He has contributed to several projects involving online payment security, real-time fraud detection, and risk analysis. His experience in both academic research and practical implementations positions him well to address the technical and theoretical aspects of fraud detection using neural networks.
2. Yue Tian
Yue Tian received the Ph.D. degree in computer science and technology from Tongji University, Shanghai, China, in 2025. She is currently a lecturer with the Department of Computer Science and Technology, Shanghai Normal University. Her research interests include credit card fraud detection, graph neural networks, machine learning, and Explainable AI.
3. Jiamin Yao
Jiamin Yao received the B.S. degree in software engineering from the China University of Petroleum, Qingdao, China, in 2017, the M.S. degree in software engineering from China University of Petroleum, Qingdao, China, in 2020, and the Ph.D. degree in computer software and theory from Tongji University, Shanghai, China, in 2024. She is now a lecturer at the College of Information Engineering, Shanghai Maritime University. Her primary research interests lie in software-defined networks (SDN), resource management, and deep reinforcement learning. She focuses on designing intelligent, adaptive systems, and optimization algorithms for complex and dynamic environments.
4. Guanjun Liu
Guanjun Liu received the Ph.D. degree in Computer Software and Theory from Tongji University, China, in 2011. Dr. Liu was a Post-doctoral Research Fellow with the Singapore University of Technology and Design, Singapore, from 2011 to 2013, and a Post-doctoral Research Fellow with the Humboldt University of Berlin, Germany, from 2013 to 2014, supported by the Alexander von Humboldt Foundation. He is a professor at the School of Computer Science and Technology, Tongji University. He has authored 5 books and more than 160 papers. His research interests include trustworthy computing and trustworthy artificial intelligence.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Revaluation Books
Exeter, Regno Unito
Venditore AbeBooks dal 6 gennaio 2003
Tariffe di spedizione da Regno Unito a U.S.A.
| Articolo | Da 7 a 14 giorni lavorativi | Da 2 a 3 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 11,84 | EUR 35,51 |
Metodi di pagamento
Informazioni sull’azienda del venditore
Edward Bowditch Ltd
Exstowe, Exton
Exeter, Regno Unito EX3 0PP
Condizioni di vendita
Legal entity name: Edward Bowditch Ltd
Legal entity form: Limited company
Business correspondence address: Exstowe, Exton, Exeter, EX3 0PP
Company registration number: 04916632
VAT registration: GB834241546
Authorised representative: Mr. E. Bowditch
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Revaluation Books, Hounslow, United Kingdom, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Orders usually dispatched within two working days.