課程導論與動機

R 的詐欺偵測

Bart Baesens

Professor Data Science at KU Leuven

授課講師

什麼是詐欺？

詐欺是種不常見、深思熟慮、難以察覺、會隨時間演變，且常經過縝密組織的犯罪，形式多樣。

wolf_in_sheeps_clothing

詐欺的影響

詐欺很少見，但漏抓的代價極高！
例：
- 組織每年約有 5% 營收因詐欺流失
- 企業每年因詐欺損失金額 > $3.5 trillion
- 信用卡公司因詐欺每筆 $100 交易約損失 $0.07
- 非壽險理賠中，詐欺約占 5–10%

詐欺類型

防制洗錢
支票詐欺
信用卡詐欺
關務／報關詐欺
仿冒品
身分盜用
保險詐欺
房貸詐欺
未交貨詐欺

線上詐欺
產品保固詐欺
逃漏稅
電信詐欺
存貨竊盜
票券詐欺
交通運輸詐欺
電匯詐欺
勞工補償詐欺

成功詐欺分析模型的關鍵特性

統計準確度

robinhood

成功詐欺分析模型的關鍵特性

統計準確度
可解釋性

minorityreport

成功詐欺分析模型的關鍵特性

統計準確度
可解釋性
合規性

regulatory

成功詐欺分析模型的關鍵特性

統計準確度
可解釋性
合規性
經濟影響

dagobert

成功詐欺分析模型的關鍵特性

統計準確度
可解釋性
合規性
經濟成本
以資料驅動技術補強專家方法

manmachine

詐欺偵測模型的挑戰

類別不平衡
- 例：信用卡詐欺通常 < 0.5%

haystack

詐欺偵測模型的挑戰

類別不平衡
- 例：信用卡詐欺通常 < 0.5%
營運效率
- 例：信用卡決策時間 < 8 秒

flash

詐欺偵測模型的挑戰

類別不平衡
- 例：信用卡詐欺通常 < 0.5%
營運效率
- 例：信用卡決策時間 < 8 秒
避免干擾優良客戶

goodcustomer

不平衡資料

重大風暴後，某保險公司收到大量理賠申請。
- 詐欺理賠標記為 1，合法理賠為 0。
可用下列函式計算資料中的詐欺比例：
- table() 與 prop.table()
用 prop.table(table(...)) 求詐欺的比例

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

用圓餅圖呈現不平衡

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

混淆矩陣

用於評估詐欺偵測模型：

confusionmatrix

假設未使用任何偵測模型，所有申請皆視為合法：

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

套件 caret 的 confusionMatrix() 函式：

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

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

未偵測詐欺的總成本：理賠案例

詐欺總成本定義為所有詐欺金額之和。

若未偵測到任何詐欺，總成本為：

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

一起來練習吧！

R 的詐欺偵測