Sự phát triển nhanh chóng của giao dịch thanh toán trực tuyến kéo theo tấn công gian lận trong hình thức giao dịch này tăng theo, gây tổn thất to lớn cho nhiều cá nhân, tập thể trong ngành tài chính. Gian lận giao dịch tín dụng trong thanh toán trực tuyến là một trong những hoạt động phi pháp phổ biến và đáng lo ngại nhất. Việc phát hiện, ngăn chặn các hoạt động gian lận giao dịch thông qua phân tích, khai phá dữ liệu kết hợp sử dụng thuật toán học máy là một trong những phương pháp nổi bật hiện nay. Kỹ thuật khai phá dữ liệu được sử dụng để nghiên cứu các mẫu, đặc điểm, thuộc tính, hành vi của giao dịch bình thường, giao dịch bất thường (giao dịch gian lận) dựa trên dữ liệu chuẩn hóa và dữ liệu bất quy tắc. Thuật toán học máy phân lớp nhằm dự đoán, phát hiện giao dịch bình thường, giao dịch gian lận một cách tự động mỗi khi có giao dịch mới phát sinh. Bài viết này nghiên cứu về một số thuật toán học máy có giám sát Sử dụng mạng Bayes, câytăng cường Naïve Bayes (Tree Augmented Naïve Bayes - TAN) và Naïve Bayes trong bài toán phân lớp nhị phân dựa trên dữ liệu là hơn 4 triệu bản ghi giao dịch tín dụng trực tuyến tương ứng với khoảng 80 nghìn mã thẻ nhằm phát hiện giao dịch gian lận. Sau khi tiền xử lý dữ liệu bằng phương pháp chuẩn tắc và phân tích thành phần chính (Principal Component Analysis-PCA), tất cả các thuật toán phân lớp đạt độ chính xác hơn 95% so với bộ dữ liệu chưa qua tiền xử lý. , Tóm tắt tiếng anh, The fast development of online payment transactions has led to an increase in fraud in this type of transaction, causing great losses for many individuals and collectives in the financial industry. Credit transaction fraud in online payment is one of the most common and disturbing illegal activities. The detection, prevention of fraudulent transactions through analysis and data mining combined using machine learning algorithms is one of the current prominent methods. Data mining techniques are used to study patterns, characteristics, attributes and behaviors of normal transactions, abnormal transactions (fraudulent transactions) based on standardized and irregular data. Class machine learning algorithm to predict, detect normal transactions, fraudulent transactions automatically whenever a new transaction arises. This paper looks at some supervised machine learning algorithms Using Bayes network, Tree Augmented Naïve Bayes (TAN) and Naïve Bayes in the binary classification problem based on data are more than 4 million online credit transaction records equivalent to about 80,000 card codes to detect fraudulent transactions. After pre-processing the data using the Principal Component Analysis (PCA) method, all classification algorithms achieve 95% more accuracy than the pre-pretreated data set.