典型文献
信贷自动审批模型的对抗攻击风险研究
文献摘要：
近期,银行等金融机构引进自动信贷审批系统来取代传统的人工审批,而自动信贷审批系统在何种程度上会受到对抗样本的攻击有待研究.通过实验对信贷对抗样本攻击的问题进行了验证.首先,基于申请人的信贷数据对XGBoost模型进行训练,预测申请人行为,并选择原始样本.其次,使用"非违约申请人"对改进的GAN模型进行训练,并用于生成特征值,通过修改原始样本以构建对抗样本,使得修改后的特征值接近于"非违约申请人"密集分布的特征值.最后,使用训练好的XGBoost模型将对抗样本进行分类.在实验中生成的对抗样本可以混淆XGBoost模型.当修改后的特征值的数量增加时,对抗样本的生成率总体呈上升趋势.实验验证,对抗样本的攻击将对自动信贷审批系统造成安全风险.
文献关键词：
信用贷款;对抗攻击;对抗样本;生成对抗式神经网络
中图分类号：
作者姓名：
林琴萍;李庚;崔润邦;邓江
作者机构：
天津大学 管理与经济学部,天津 300072;北京泛钛客科技有限公司,北京 100124
文献出处：
引用格式：
[1]林琴萍;李庚;崔润邦;邓江-.信贷自动审批模型的对抗攻击风险研究)[J].网络安全与数据治理,2022(02):53-60
A类：
生成对抗式神经网络
B类：
对抗攻击,风险研究,金融机构,信贷审批,审批系统,上会,对抗样本攻击,申请人,XGBoost,人行为,违约,GAN,密集分布,练好,加时,成安,信用贷款
AB值：
0.220885
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
