Университетът на конструктора печели Big Data Challenge с нов модел на измами!

Университетът на конструктора печели Big Data Challenge с нов модел на измами!

Bremen, Deutschland - Екип от Конструкторски университет спечели в професионалния път. Наградата беше присъдена за иновативен, прозрачен и редовен статистически модел за признаване на финансови измами. Този модел не се характеризира само с неговата точност, но и надвишава конвенционалните методи за машинно обучение в точност.

Конкурсът, който се организира ежегодно от лабораторията за когнитивни системи (CSL) на Университета на Бремен, се фокусира върху признаването на измами тази година. Участващите екипи, включително водещи AI компании в региона, се сблъскаха с предизвикателството да развият ефективни подходи за идентифициране на измамни дейности. Екипът, който се състезаваше под името Spiderbobs и под ръководството на д-р Йоханес Фолк, докторантура в групата за биология на изчислителните системи, се състои от Еда Какир и д-р Али Салехзаде-Язди.

Иновативни методи за откриване на измами

За решаване на проблема бяха тествани различни общи модели, включително LSTM невронни мрежи. В крайна сметка обаче екипът разработи модел, базиран на правила, който се характеризира с оценка на F1 0,9992, което се счита за централен показател за точност при откриване на измами. Екипите, насочени към създаване на прозрачни анализи, които са в състояние да се конкурират с често непрозрачните методи на черната кутия на AI или дори да ги надвишават.

Разработеният модел изисква дълбоко разбиране на механизмите за данни и вероятностното моделиране. Той се основава на ясно дефинирани правила и вероятностни съображения и анализира паричните потоци и мрежовите структури. Тази методология дава възможност за идентифициране на нефрудулентни акаунти и създаване на поведенчески профили за законни движения на акаунта. Приложената стратегия за две сцени включва сравнението с поведенческия профил и прегледа на вероятността за измама.

Анализ на данните и предотвратяване на измами

Тези дни, термини като големи данни, прогнозна анализа и машинно обучение стават все по -важни. Те революционизират бизнес моделите и могат да се използват и за предотвратяване на измами. Според risknet са използването на статистически методи за анализ и визуализация на големи записи на данни в центъра на това развитие. Целта на анализа на данните е не само създаването на профили на личността, но и прилагането на прогнозите в реално време.

Законът на Дас Бенфорд, открит от Саймън Нюкомб през 1881 г., е пример за използването на статистически анализи за откриване на измама. Въпреки това, по -сложните методи, включително машинното обучение, значително увеличават прогнозната торбичка с рискови модели. PDCA цикълът, който дава възможност за структурирани анализи на данни, и процесът на KDD (откриване на данни за знания) са централни елементи за ефективно управление на съпругата.

С успеха на екипа от Университета Конструктор за пореден път се подчертава значението на интердисциплинарните изследвания и научните постижения в областта на анализа на данните и борбата с измамите. С оглед на прогресивната дигитализация, компаниите трябва да развият ново разбиране на анализите на данни, за да оптимално използват възможностите на днешния ден. Бъдещите мениджъри на риска все повече ще действат като мениджъри на данни или учени и ще разработят стабилни модели за анализ на данни.