Bài báo này xem xét tính mạnh mẽ của các mô hình học máy (ML) trong phát hiện gian lận thẻ tín dụng (CCFD). Cụ thể, chúng tôi nghiên cứu tác động của các cuộc tấn công đối kháng lên dữ liệu giao dịch thẻ tín dụng dạng bảng. Mặc dù các nghiên cứu trước đây đã khám phá các cuộc tấn công đối kháng trên dữ liệu hình ảnh, nhưng nghiên cứu về dữ liệu dạng bảng trong CCFD vẫn còn hạn chế. Trong bài báo này, chúng tôi sử dụng phương pháp tấn công đối kháng dựa trên gradient để tấn công dữ liệu dạng bảng trong cả môi trường hộp đen và hộp trắng, đồng thời phân tích kết quả. Kết quả thực nghiệm chứng minh rằng dữ liệu dạng bảng dễ bị ảnh hưởng bởi ngay cả những nhiễu loạn tinh vi, và các ví dụ đối kháng được tạo ra bằng các cuộc tấn công dựa trên gradient cũng hiệu quả với các mô hình không dựa trên gradient. Điều này nhấn mạnh nhu cầu phát triển các cơ chế phòng thủ mạnh mẽ cho các thuật toán CCFD.
