Credit card fraud is one of the issues that many banks and organizations are concerned about and researching. Building systems to monitor and detect fraud is extremely necessary and urgent for banks, to minimize the loss of money without clear reasons leading to losses, and also to affect the reputation and credibility of the bank or credit organization. Automating credit card fraud detection is a perfect way to meet user needs and provide security on a large scale. Based on that, this paper has researched, experimented, and proposed a new model that combines two algorithms, Autoencoder and Isolation Forest, on two sample datasets simulating bank transactions. Using deep learning research methods, the proposed model achieved nearly absolute efficiency of up to 99.77%, significantly improving accuracy compared to previous studiesGian lận thẻ tín dụng là một trong các vấn đề được nhiều ngân hàng cũng như các tổ chức quan tâm và nghiên cứu. Xây dựng các hệ thống để giám sát, phát hiện gian lận là điều vô cùng cần thiết và cấp bách tại các ngân hàng, để giảm thiểu tối đa số tiền mất không rõ lý do ảnh hưởng đến lợi nhuận và cả danh tiếng, uy tín của ngân hàng hay tổ chức tín dụng đó. Tự động hóa phát hiện gian lận thẻ tín dụng là một giải pháp giải quyết nhu cầu người dùng và cung cấp bảo mật trên quy mô lớn. Trên cơ sở đó, bài báo này đã thực hiện tổng quan nghiên cứu, tiến hành thực nghiệm và đề xuất mô hình mới có sự kết hợp của 2 thuật toán Autoencoder và Isolation Forest trên hai bộ dữ liệu mẫu mô phỏng giao dịch trong ngân hàng. Sử dụng phương pháp nghiên cứu học sâu, Mô hình đề xuất đạt hiệu quả gần như tuyệt đối lên tới 99,77%, cải thiện độ chính xác đáng kể so với các nghiên cứu trước đây