Assessing adversarial attacks in real-world fraud detection

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

Référence Proceedings of the IEEE International Conference on Web Services, ICWS, page (27-34)
Publication Publié, 2024-10-01

Article révisé par les pairs

Fichier(s) déposé(s) par l'encodeur

Towards fair machine learning using many-objective feature selection
par Njoku, Uchechukwu U.F. , Abelló, Alberto , Bilalli, Besim , Bontempi, Gianluca
Publication 2025-09
HYPPO: Using Equivalences to Optimize Pipelines in Exploratory Machine Learning
par Kontaxakis, Antonios , Sacharidis, Dimitris , Simitsis, Alkis , Abelló, Alberto , Nadal, Sergi
Publication 2024-09-01
On many-objective feature selection and the need for interpretability
par Njoku, Uchechukwu U.F. , Abelló, Alberto , Bilalli, Besim , Bontempi, Gianluca
Publication 2025-04
An Adversary Model of Fraudsters’ Behavior to Improve Oversampling in Credit Card Fraud Detection
par Lunghi, Daniele , Paldino, Gian Marco , Caelen, Olivier , Bontempi, Gianluca
Publication 2023-01-01
Instance-based meta-learning for conditionally dependent univariate multi-step forecasting
par Cerqueira, Vitor , Torgo, Luis , Bontempi, Gianluca
Publication 2024-04-01

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.