Universitatea Constructor câștigă Big Data Challenge cu un nou model de fraudă!

Universitatea Constructor câștigă Big Data Challenge cu un nou model de fraudă!

Bremen, Deutschland - o echipă de Constructor University a câștigat pe piesa profesională. Premiul a fost acordat pentru un model statistic inovator, transparent și regulat pentru recunoașterea fraudei financiare. Acest model nu se caracterizează numai prin precizia sa, dar depășește și metodele convenționale de învățare automată în precizie.

Concurența, care este organizată anual de laboratorul de sisteme cognitive (CSL) de la Universitatea din Bremen, s -a concentrat pe recunoașterea fraudei din acest an. Echipele participante, inclusiv companiile de lider AI din regiune, s -au confruntat cu provocarea dezvoltării unor abordări eficiente pentru identificarea activităților frauduloase. Echipa care a concurat sub numele Spiderbobs și sub conducerea Dr. Johannes Falk, postdoctoral în grupul de biologie de sisteme de calcul, a fost format din EDA Cakir și Dr. Ali Salehzadeh-Yazdi.

metode inovatoare pentru detectarea fraudei

pentru rezolvarea problemei, au fost testate diverse modele comune, inclusiv rețele neuronale LSTM. În cele din urmă, însă, echipa a dezvoltat un model bazat pe reguli care se caracterizează printr-un scor F1 de 0,9992, care este considerat un indicator de precizie centrală în detectarea fraudei. Echipele care vizează crearea unor analize transparente care sunt capabile să concureze cu metodele de casetă neagră, adesea ne-transparente, ale AI sau chiar le depășesc.

Modelul dezvoltat necesită o înțelegere profundă a mecanismelor de date și a modelării probabilistice. Se bazează pe reguli clar definite și considerente probabilistice și analizează fluxurile de bani și structurile de rețea. Această metodologie permite identificarea conturilor nefrauduloase și crearea de profiluri comportamentale pentru mișcări legitime ale contului. Strategia de două etape aplicată include comparația cu profilul comportamental și revizuirea probabilității de fraudă.

Analiza datelor și prevenirea fraudei

zilele aceasta, termeni precum date mari, analize predictive și învățare automată devin din ce în ce mai importante. Revoluționează modelele de afaceri și pot fi, de asemenea, utilizate pentru prevenirea fraudei. Conform riscnet sunt utilizarea metodelor statistice pentru analiza și vizualizarea înregistrărilor de date mari în centrul acestei dezvoltări. Scopul analizei datelor nu este doar crearea de profiluri de personalitate, ci și implementarea predicțiilor în timp real.

Legea lui Das Benford, descoperită de Simon Newcomb în 1881, este un exemplu de utilizare a analizelor statistice pentru detectarea fraudei. Cu toate acestea, metode mai complexe, inclusiv învățarea automată, cresc semnificativ punga de prognostic a modelelor de risc. Ciclul PDCA, care permite analizele de date structurate, și procesul KDD (descoperirea datelor de cunoștințe) sunt elemente centrale pentru gestionarea eficientă a soției.

cu succesul echipei de la Universitatea Constructor, încă o dată, este subliniată importanța cercetării interdisciplinare și a excelenței științifice în domeniul analizei datelor și al fraudei de luptă. Având în vedere digitalizarea progresivă, companiile trebuie să dezvolte o nouă înțelegere a analizelor de date pentru a utiliza în mod optim oportunitățile de astăzi. Managerii de risc viitor vor acționa din ce în ce mai mult ca manageri de date sau oameni de știință și vor dezvolta modele robuste de analiză a datelor.