Ứng dụng mô hình học máy tổ hợp có khả năng giải thích trong phát hiện và cảnh báo gian lận giao dịch thẻ

Trương Thị Ngọc Yến; Nguyễn Duy Thanh

doi:https://doi.org/10.63065/ajdsai.vn.2026.02.005

Ấn phẩm Khoa học Dữ liệu và Trí tuệ Nhân tạo Châu Á

SỐ 02 , Tháng 8/2026, Trang 66-82

Ứng dụng mô hình học máy tổ hợp có khả năng giải thích trong phát hiện và cảnh báo gian lận giao dịch thẻ

Trương Thị Ngọc Yến, Nguyễn Duy Thanh

DOI: https://doi.org/10.63065/ajdsai.vn.2026.02.005

Ngày nhận bài: 15/07/2026

Ngày nhận bài sửa: 02/08/2026

Ngày duyệt đăng: 12/08/2026

Email: THANHND@HUB.EDU.VN

Đơn vị công tác: Trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Lượt xem: 29

Downloads: 0

Các định dạng trích dẫn

Tóm tắt

Mục tiêu nghiên cứu: Đề xuất khung phát hiện và cảnh báo gian lận giao dịch thẻ bằng học máy tổ hợp có khả năng giải thích, nhằm nâng cao hiệu năng, khả năng giải trình và quản trị mô hình.

Thiết kế nghiên cứu/phương pháp/tiếp cận: Nghiên cứu sử dụng bộ dữ liệu IEEE-CIS gồm 590.540 giao dịch có nhãn, sắp xếp theo thời gian và chia tuần tự thành tập huấn luyện, xác thực và kiểm định. XGBoost, LightGBM và CatBoost được kết hợp bằng kiến trúc xếp chồng và phối trộn xác suất. Hiệu năng được đánh giá bằng ROC-AUC, AP, F1, Precision, Recall và Top-K; độ vững được kiểm tra bằng DeLong, bootstrap theo cụm thời gian và phân tích độ nhạy. Cơ chế trí tuệ nhân tạo có khả năng giải thích (XAI) hai tầng làm rõ quá trình kết hợp mô hình và ảnh hưởng của các đặc trưng giao dịch.

Kết quả nghiên cứu chính: Trên tập xác thực, mô hình tổ hợp đạt ROC-AUC 0,9286, AP 0,6271, F1 0,6089 và Recall 0,5446. Trên tập kiểm định theo thời gian, ROC-AUC và AP đạt cao nhất, lần lượt 0,8953 và 0,5097; Precision đạt 0,5515, Recall 0,4493 và Precision@500 đạt 0,944. Chênh lệch ROC-AUC so với LightGBM có ý nghĩa thống kê và ổn định theo thời gian.

Giá trị đóng góp mới: Khung đề xuất tích hợp học máy tổ hợp, đánh giá theo thời gian, kiểm tra độ vững và XAI hai tầng, hỗ trợ ưu tiên điều tra, giám sát và truy vết quyết định.

Từ khóa

Gian lận giao dịch thẻ, học máy tổ hợp, XAI, SHAP.

Download Mua ngay Buy now

Tài liệu tham khảo

Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. https://doi.org/10.1016/0749-5978(91)90020-T.

Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.

Bui, H. N., & Duong, C. D. (2024). ChatGPT adoption in entrepreneurship and digital entrepreneurial intention: A moderated mediation model of technostress and digital entrepreneurial self-efficacy. Equilibrium. Quarterly Journal of Economics and Economic Policy, 19(2), 391-428.

Chen, C. C., Greene, P. G., & Crick, A. (1998). Does entrepreneurial self-efficacy distinguish entrepreneurs from managers? Journal of Business Venturing, 13(4), 295-316. https://doi.org/10.1016/S0883-9026(97)00029-3.

Duong, C. D. (2025). AI literacy and higher education students' digital entrepreneurial intention: A moderated mediation model of AI self-efficacy and digital entrepreneurial self-efficacy. Industry and Higher Education. (Advance online publication). https://doi.org/10.1177/09504222251370089.

Duong, C. D. (2026). AI literacy and digital entrepreneurial hustle: The mediating role of entrepreneurial mindset and intentions. International Journal of Innovation Science. (Advance online publication).

Duong, C. D., & Nguyen, T. H. (2024). How ChatGPT adoption stimulates digital entrepreneurship: A stimulus–organism–response perspective. The International Journal of Management Education, 22(3), 101019.

Duyen, V. T. M., Thanh, L. C., Ngoc, H. B., & Duong, P. H. (2025). The impact of artificial intelligence and entrepreneurship education on entrepreneurial intention: Strengthening the entrepreneurial intention of economics students in Hai Phong city. Edelweiss Applied Science and Technology, 9(11), 1040-1052.

Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.

Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). Guilford Press.

Higgins, E. T. (1997). Beyond pleasure and pain. American Psychologist, 52(12), 1280-1300. https://doi.org/10.1037/0003-066X.52.12.1280.

Higgins, E. T. (1998). Promotion and prevention: Regulatory focus as a motivational principle. Advances in Experimental Social Psychology, 30, 1-46. https://doi.org/10.1016/S0065-2601(08)60381-0.

Kong, W., Hu, H., Wang, Z., Qiao, J., & Liu, J. (2025). The double-edged sword effect of generative AI adoption on students' sustainable entrepreneurship intentions. Behavioral Sciences, 15(12), 1705. https://doi.org/10.3390/bs15121705.

Licklider, J. C. R. (1960). Man-computer symbiosis. IRE Transactions on Human Factors in Electronics, HFE-1(1), 4-11. https://doi.org/10.1109/THFE2.1960.4503259.

Liñán, F., & Chen, Y. W. (2009). Development and cross-cultural application of a specific instrument to measure entrepreneurial intentions. Entrepreneurship Theory and Practice, 33(3), 593-617. https://doi.org/10.1111/j.1540-6520.2009.00318.x.

Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press.

Nambisan, S. (2017). Digital entrepreneurship: Toward a digital technology perspective of entrepreneurship. Entrepreneurship Theory and Practice, 41(6), 1029-1055. https://doi.org/10.1111/etap.12254.

Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041.

Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research. Journal of Applied Psychology, 88(5), 879-903. https://doi.org/10.1037/0021-9010.88.5.879.

Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301-328. https://doi.org/10.2753/MIS0742-1222240109.

Thủ tướng Chính phủ. (2017). Quyết định số 1665/QĐ-TTg ngày 30/10/2017 phê duyệt Đề án “Hỗ trợ học sinh, sinh viên khởi nghiệp đến năm 2025”.

Wang, Y. Y., & Wang, Y. S. (2022). Development and validation of an artificial intelligence anxiety scale: An initial application in predicting motivated learning behavior. Interactive Learning Environments, 30(4), 619-634. https://doi.org/10.1080/10494820.2019.1674887.