Sveučilište Constructor osvaja Big Data Challenge s novim modelom prijevara!

Sveučilište Constructor osvaja Big Data Challenge s novim modelom prijevara!

Bremen, Deutschland - tim Konstruktor sveučilišta pobijedilo u profesionalnom stazu. Nagrada je dodijeljena za inovativni, transparentni i redoviti statistički model za priznavanje financijske prijevare. Ovaj model ne karakterizira samo njegova preciznost, već i premašuje konvencionalne metode strojnog učenja u točnosti.

Natjecanje, koje godišnje organizira laboratorij kognitivnih sustava (CSL) Sveučilišta u Bremenu, usredotočilo se na priznanje prijevare ove godine. Timovi koji sudjeluju, uključujući vodeće AI tvrtke u regiji, suočili su se s izazovom razvoja učinkovitih pristupa prepoznavanju lažnih aktivnosti. Tim koji se natjecao pod imenom SpiderBobs i pod vodstvom dr. Johannesa Falka, postdoktorskog u biološkoj grupi računalnih sustava, koji je upravljao, sastojali su se od Eda Cakir i dr. Ali Salehzadeh-Yazdi.

Inovativne metode za otkrivanje prijevara

Za rješavanje problema testirani su razni uobičajeni modeli, uključujući LSTM neuronske mreže. Na kraju je, međutim, tim razvio model temeljen na pravilima koji karakterizira F1 ocjena od 0,9992, što se smatra središnjim pokazateljem točnosti u otkrivanju prijevara. Timovi koji su imali za cilj stvaranje transparentnih analiza koje su u stanju natjecati se s često netransparentnim metodama crne kutije AI ili ih čak premašiti.

Razvijeni model zahtijeva duboko razumijevanje mehanizama podataka i vjerojatnog modeliranja. Temelji se na jasno definiranim pravilima i vjerojatnim razmatranjima i analizira protok novca i mrežne strukture. Ova metodologija omogućuje identifikaciju ne -fraudnih računa i stvaranje profila ponašanja za legitimna kretanja računa. Primijenjena strategija dva stajališta uključuje usporedbu s profilom ponašanja i pregled vjerojatnosti prijevare.

Analiza podataka i prevencija prijevara

Ovih dana pojmovi kao što su veliki podaci, prediktivna analitika i strojno učenje postaju sve važniji. Oni revolucioniraju poslovne modele i mogu se koristiti i za prevenciju prijevara. Prema RiskNet su upotreba statističkih metoda za analizu i vizualizaciju velikih podataka podataka u središtu ovog razvoja. Cilj analize podataka nije samo stvaranje profila ličnosti, već i provedba predviđanja u stvarnom vremenu.

Das Benford, koji je otkrio Simon Newcomb 1881. godine, primjer je korištenja statističkih analiza za otkrivanje prijevare. Međutim, složenije metode, uključujući strojno učenje, značajno povećavaju vrećicu prognoze modela rizika. PDCA ciklus, koji omogućava strukturirane analize podataka, i KDD proces (otkrivanje podataka znanja) središnji su elementi za učinkovito upravljanje suprugom.

S uspjehom tima sa sveučilišta Constructor, još jednom, podvučena je važnost interdisciplinarnog istraživanja i znanstvene izvrsnosti u području analize podataka i borbe protiv prijevara. S obzirom na progresivnu digitalizaciju, tvrtke moraju razviti novo razumijevanje analiza podataka kako bi optimalno iskoristile današnje mogućnosti. Budući menadžeri rizika sve će više djelovati kao menadžeri podataka ili znanstvenici i razviti snažne modele analize podataka.