# Uczenie na opóźnionych etykietach i zmieniających się oszustwach EN: **Learning with delayed labels and concept drift in fraud detection** · id `fraudfeedbackdrift` · aliases: verification latency, alert-feedback interaction, delayed supervision, concept drift in fraud, opóźnione etykiety, dryf pojęć w antyfraudzie Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w finansach](https://aiatlasgraph.com/t/finance.md) › [Wykrywanie oszustw płatniczych](https://aiatlasgraph.com/t/frauddetection.md) › Uczenie na opóźnionych etykietach i zmieniających się oszustwach ## Description - PL: Uczenie strumieniowe klasyfikatora oszustw z dwóch źródeł etykiet: natychmiastowej informacji zwrotnej z alertów i opóźnionych etykiet, przy dryfie pojęć. - EN: Streaming training of a fraud classifier from two label sources, immediate alert feedback and delayed labels, under concept drift. ## In one sentence - PL: Sposób uczenia systemu antyfraudowego, gdy prawdę o transakcji poznaje się po dniach, a oszuści ciągle zmieniają metody. - EN: A way to train an anti-fraud system when the truth about a payment arrives days later and fraudsters keep changing tactics. ## Problem it solves - PL: Bank dowiaduje się o większości oszustw z opóźnieniem, a analitycy sprawdzą tylko garstkę alarmów, więc model uczy się na niepełnym obrazie. - EN: A bank learns about most fraud late, and analysts can only check a handful of alerts, so the model learns from a partial picture. ## What it does - PL: Rozdziela świeże uwagi analityków od starszych, potwierdzonych przypadków i łączy obie wiedze, jak lekarz słuchający dyżurnego i archiwum. - EN: Keeps fresh analyst verdicts apart from older confirmed cases and blends both, like a doctor weighing the night shift's notes and the archive. ## Everyday example - PL: Przed świętami ludzie kupują inaczej niż zwykle; system, który uczy się na bieżących zgłoszeniach, szybciej przestaje blokować zwykłe prezenty. - EN: Before the holidays people shop differently; a system learning from current reports stops blocking ordinary gift purchases sooner. ## This concerns you if you… - PL: budujesz model, którego etykiety przychodzą z opóźnieniem - PL: pracujesz w zespole, który ręcznie sprawdza alarmy - EN: build a model whose labels arrive late - EN: work in a team that checks alerts by hand ## Keywords concept drift · alert-feedback interaction · verification latency · sliding window · ensemble of classifiers · precision at k · online learning · Fraud Detection Handbook ## How it works - PL: Analitycy sprawdzają tylko najwyżej ocenione transakcje, więc ich etykiety zależą od samego modelu (interakcja alert–feedback). Pozostałe etykiety przychodzą po kilku dniach. Trenuje się osobne klasyfikatory na feedbacku i opóźnionych próbkach (okno przesuwne lub zespół) i uśrednia ich prawdopodobieństwa; jakość mierzy się precyzją wśród k najwyżej ocenionych alertów. - EN: Analysts check only the top-scored transactions, so their labels depend on the model itself (alert–feedback interaction). The rest arrive days later. Separate classifiers are trained on feedback and on delayed samples (sliding window or ensemble) and their probabilities averaged; quality is measured as precision among the top-k alerts. ## Limits - PL: Etykiety z alertów są stronnicze, bo model sam wybiera, co zobaczą ludzie. Nieoznaczone transakcje uznaje się za uczciwe po umownym czasie, co bywa błędem. Przy gwałtownych zmianach proste uśrednianie modeli reaguje za wolno. - EN: Alert labels are biased because the model chooses what humans see. Unreported transactions are assumed genuine after a set period, which can be wrong. Under abrupt change, simple model averaging reacts too slowly. ## Key terms - PL: **concept drift**: Zmiana zależności między danymi a etykietą w czasie. - PL: **verification latency**: Opóźnienie, z jakim poznajemy prawdziwą etykietę transakcji. - PL: **precision@k**: Odsetek oszustw wśród k alarmów, które ludzie zdążą sprawdzić. - EN: **concept drift**: A change over time in how data relate to the label. - EN: **verification latency**: The delay before a transaction's true label is known. - EN: **precision@k**: Share of fraud among the k alerts humans have time to check. ## Know first - [Wykrywanie dryfu danych i pojęć (Data and concept drift detection)](https://aiatlasgraph.com/t/driftdetection.md) - [Niezbalansowane klasy i wartości odstające (Class imbalance and outliers)](https://aiatlasgraph.com/t/classimbalance.md) ## Related topics Untyped, symmetric "see also" links. - [Ocena i walidacja modeli antyfraudowych (Evaluating and validating fraud models)](https://aiatlasgraph.com/t/fraudmetrics.md) - [Starzenie się detektorów i realistyczna ocena w czasie (Concept drift and time-aware evaluation of malware detectors)](https://aiatlasgraph.com/t/malwaredrift.md) ## Sources - [Credit Card Fraud Detection and Concept-Drift Adaptation with Delayed Supervised Information]() `dalpozzolo-fraud-delayed-drift` · by Andrea Dal Pozzolo, Giacomo Boracchi, Olivier Caelen, Cesare Alippi, Gianluca Bontempi - [Machine Learning for Credit Card Fraud Detection – a Jupyter Book for Reproducible Research]() `fraud-detection-handbook-intro` · by Yann-Aël Le Borgne, Gianluca Bontempi --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/fraudfeedbackdrift · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30