XiaoMi-AI文件搜索系统
World File Search SystemEjiofor
引用； Bello O.A.，Folorunso A.，Ejiofor O.E.，Budale F.Z.，Adebayo K.和Babatunde O.A. （2023）增强欺诈p
摘要：随着数字支付方法的增殖，预防金融交易的欺诈行为变得越来越重要，并且网络犯罪分子采用更复杂的技术。基于规则的传统系统在仍在使用的同时，通常在检测复杂和不断发展的欺诈模式方面缺乏。机器学习（ML）方法提供了一种强大的替代方案，提供了动态和适应性解决方案，以增强预防欺诈。此摘要探讨了金融部门采用的各种ML技术来减轻欺诈风险。监督的学习模型，例如逻辑回归，决策树和神经网络，被广泛用于欺诈检测。这些模型经过历史交易数据的培训，以识别指示欺诈活动的模式。一旦受过培训，他们就可以将新的交易归类为合法或可疑的，以高精度。无监督的学习技术，包括聚类和异常检测，对于识别新型欺诈特别有用
越南无现金经济 - 现状和政策影响
摘要：无现金经济是指主要通过电子方式进行购买和交易，很少使用现金的经济（Ejiofor 和 Rasaki 2012）。越南现已加入优于现金联盟（Betterthancash.org 2017），政府的宏伟目标是到 2020 年，现金在总支付方式中所占的比例低于 10%（Vu 2018）。非现金支付是无现金经济的一个支柱，已成为世界上非常流行的支付方式，并在越南得到了广泛的使用。通过研究手机银行 (MB) 支付，我们对岘港市的 140 多人进行了调查，以了解人口统计特征、最常用的无现金支付功能以及无现金支付占总支出的比例。对情况进行了评估，并为越南政府提出了几项重要的政策建议。