Giới thiệu & Động lực

Phát hiện gian lận với R

Bart Baesens

Professor Data Science at KU Leuven

Giảng viên

Gian lận là gì?

Gian lận là tội phạm hiếm gặp, có tính toán kỹ, che giấu tinh vi, biến đổi theo thời gian và thường được tổ chức cẩn thận, xuất hiện dưới nhiều dạng.

sói đội lốt cừu

Tác động của gian lận

Gian lận rất hiếm, nhưng chi phí không phát hiện được có thể cực lớn!
Ví dụ:
- Tổ chức mất 5% doanh thu hằng năm vì gian lận
- Tiền doanh nghiệp mất do gian lận > $3.5 nghìn tỷ mỗi năm
- Công ty thẻ tín dụng mất khoảng 7 xu trên mỗi $100 giao dịch do gian lận
- Gian lận chiếm 5–10% số tiền bồi thường trả cho bảo hiểm phi nhân thọ

Các loại gian lận

Chống rửa tiền
Séc giả mạo
Gian lận thẻ tín dụng
Gian lận hải quan
Hàng giả
Đánh cắp danh tính
Gian lận bảo hiểm
Gian lận thế chấp
Gian lận không giao hàng

Gian lận trực tuyến
Gian lận bảo hành sản phẩm
Trốn thuế
Gian lận viễn thông
Trộm hàng tồn kho
Gian lận vé
Gian lận vận tải công cộng
Lừa đảo chuyển tiền (wire fraud)
Gian lận bồi thường lao động

Đặc điểm then chốt của mô hình phân tích gian lận hiệu quả

Độ chính xác thống kê

robinhood

Đặc điểm then chốt của mô hình phân tích gian lận hiệu quả

Độ chính xác thống kê
Khả năng diễn giải

minorityreport

Đặc điểm then chốt của mô hình phân tích gian lận hiệu quả

Độ chính xác thống kê
Khả năng diễn giải
Tuân thủ quy định

regulatory

Đặc điểm then chốt của mô hình phân tích gian lận hiệu quả

Độ chính xác thống kê
Khả năng diễn giải
Tuân thủ quy định
Tác động kinh tế

dagobert

Đặc điểm then chốt của mô hình phân tích gian lận hiệu quả

Độ chính xác thống kê
Khả năng diễn giải
Tuân thủ quy định
Chi phí kinh tế
Bổ trợ phương pháp chuyên gia bằng kỹ thuật dựa trên dữ liệu

manmachine

Thách thức của mô hình phát hiện gian lận

Mất cân bằng
- ví dụ: gian lận thẻ tín dụng thường < 0.5%

đống rơm

Thách thức của mô hình phát hiện gian lận

Mất cân bằng
- ví dụ: gian lận thẻ tín dụng thường < 0.5%
Hiệu quả vận hành
- ví dụ: thẻ tín dụng yêu cầu quyết định < 8 giây

tia chớp

Thách thức của mô hình phát hiện gian lận

Mất cân bằng
- ví dụ: gian lận thẻ tín dụng thường < 0.5%
Hiệu quả vận hành
- ví dụ: thẻ tín dụng yêu cầu quyết định < 8 giây
Tránh làm phiền khách hàng tốt

khách hàng tốt

Dữ liệu mất cân bằng

Sau một cơn bão lớn, công ty bảo hiểm nhận nhiều yêu cầu bồi thường
- Hồ sơ gian lận được gán nhãn 1, hợp lệ là 0
Tỷ lệ gian lận trong dữ liệu có thể tính bằng
- table() và prop.table()
Dùng prop.table(table(...)) để xác định tỷ lệ gian lận

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

Trực quan mất cân bằng với biểu đồ tròn

labels <- c("no fraud", "fraud")
labels <- paste(labels, round(100 * prop.table(table(fraud_label)), 2), "%")
pie(table(fraud_label), labels, col = c("blue", "red"),
      main = "Pie chart of storm claims")

yêu cầu bồi thường sau bão

Ma trận nhầm lẫn

Dùng để đánh giá mô hình phát hiện gian lận:

ma trận nhầm lẫn

Giả sử không dùng mô hình phát hiện, nên tất cả yêu cầu đều coi là hợp lệ:

predictions <- rep.int(0, times = nrow(claims))
predictions <- factor(predictions, levels = c("no fraud", "fraud"))

Hàm confusionMatrix() từ gói caret:

library(caret)
confusionMatrix(data = predictions, reference = fraud_label)

             Reference
 Prediction    0   1
            0 614  14
            1   0   0                                   
 Accuracy : 0.9777

Tổng chi phí khi không phát hiện gian lận: ví dụ bồi thường

Tổng chi phí gian lận là tổng số tiền gian lận

Tổng chi phí nếu không phát hiện gian lận:

> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)

Cùng luyện tập nào!

Phát hiện gian lận với R