Introduktion & motivation

Bedrägeridetektering i R

Bart Baesens

Professor Data Science at KU Leuven

Instruktörer

Vad är bedrägeri?

Bedrägeri är ett ovanligt, genomtänkt, omärkbart dolt, tidsutvecklande och ofta noggrant organiserat brott som förekommer i många former och varianter.

wolf_in_sheeps_clothing

Bedrägeriers påverkan

Bedrägeri är mycket sällsynt, men kostnaden för att inte upptäcka det kan vara enorm!
Exempel:
- Organisationer förlorar 5% av sina årliga intäkter till bedrägeri
- Företag förlorar mer än 3,5 biljoner dollar per år till bedrägeri
- Kreditkortsföretag förlorar ungefär 7 cent per 100 dollar i transaktioner på grund av bedrägeri
- Bedrägeri står för 5–10% av de utbetalda skadebeloppen inom sakförsäkring

Typer av bedrägeri

Penningtvättsbekämpning
Checkbedrägeri
Kreditkortsbedrägeri
Tullbedrägeri
Förfalskning
Identitetsstöld
Försäkringsbedrägeri
Bolånebedrägeri
Bedrägeri vid utebliven leverans

Onlinebedrägeri
Garantibedrägeri
Skatteflykt
Telekombedrägeri
Lagerstöld
Biljettbedrägeri
Transitbedrägeri
Bankbedrägeri
Bedrägeri mot arbetsskadeersättning

Viktiga egenskaper hos framgångsrika bedrägeranalysmodeller

Statistisk noggrannhet

robinhood

Viktiga egenskaper hos framgångsrika bedrägeranalysmodeller

Statistisk noggrannhet
Tolkbarhet

minorityreport

Viktiga egenskaper hos framgångsrika bedrägeranalysmodeller

Statistisk noggrannhet
Tolkbarhet
Regelefterlevnad

regulatory

Viktiga egenskaper hos framgångsrika bedrägeranalysmodeller

Statistisk noggrannhet
Tolkbarhet
Regelefterlevnad
Ekonomisk påverkan

dagobert

Viktiga egenskaper hos framgångsrika bedrägeranalysmodeller

Statistisk noggrannhet
Tolkbarhet
Regelefterlevnad
Ekonomisk kostnad
Komplettera expertbaserade metoder med datadrivna tekniker

manmachine

Utmaningar med bedrägeridetekteringsmodeller

Obalans
- t.ex. vid kreditkortsbedrägeri är typiskt < 0,5% bedrägliga transaktioner

haystack

Utmaningar med bedrägeridetekteringsmodeller

Obalans
- t.ex. vid kreditkortsbedrägeri är typiskt < 0,5% bedrägliga transaktioner
Operativ effektivitet
- t.ex. vid kreditkortsbedrägeri < 8 sekunders beslutitid

flash

Utmaningar med bedrägeridetekteringsmodeller

Obalans
- t.ex. vid kreditkortsbedrägeri är typiskt < 0,5% bedrägliga transaktioner
Operativ effektivitet
- t.ex. vid kreditkortsbedrägeri < 8 sekunders beslutstid
Undvik att störa legitima kunder

goodcustomer

Obalanserade data

Efter en stor storm fick ett försäkringsbolag in många skadeanmälningar
- Bedrägliga anmälningar märks med 1 och legitima med 0
Andelen bedrägerier i data kan beräknas med funktionerna
- table() och prop.table()
prop.table(table(...)) för att bestämma andelen bedrägeri

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

Visualisera obalans med cirkeldiagram

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")

stormclaims

Konfusionsmatris

Används för att utvärdera bedrägeridetekteringsmodeller:

confusionmatrix

Anta att ingen detekteringsmodell används, så alla anmälningar betraktas som legitima:

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

Funktionen confusionMatrix() från paketet caret:

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

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

Total kostnad av oupptäckt bedrägeri: exempel med skadeanmälningar

Den totala bedräglikostnaden definieras som summan av bedrägliga belopp

Total kostnad om inget bedrägeri upptäcks:

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

Nu kör vi en övning!

Bedrägeridetektering i R