欺诈分析

    据普华永道2009年全球经济犯罪调查报告显示,欺诈已成为一个数十亿美元的行业,并且逐年增长。全球高达30%公司成为过受害者。传统定义将欺诈描述为“一人或多人为自己的利益,以隐秘的方式故意剥夺他人的财物”,近年来,新技术的发展为犯罪分子实施诈骗提供了新的途径。我们的团队主要关注欺诈分析中的如下问题:

  • 欺诈检测与预防

    欺诈通常并不是个体行为,而是一个由某个犯罪组织,经过深思熟虑和精心组织筹划的。欺诈分析中欺诈检测分析首当其冲,但我们研究重点是欺诈行为的防范,即在欺诈发生之前进行侦测。欺诈是一个随时间演变的现象,欺诈检测面临的挑战发现那些随环境变化产生的新欺诈模式。因此,在欺诈检测中使用网络数据就显得异常重要,当某种交易过程具有不规则特征时,它可以揭示欺诈模式和进行实时检测。

  • 欺诈的社会属性

    相对于传统的预测数据挖掘技术,社会网络分析聚焦于客户之间的人际关系,获取对市场营销活动、客户流失和欺诈行为等的洞察。客户间直接和间接地相互影响,很多有价值的数据和信息隐藏在客户网络结构下。我们的研究团队专门从事基于网络数据的欺诈检测分析。我们研究关注两个层面:

(1)个体欺诈检测:Gotcha!

    我们专门开发了一款个体欺诈检测应用程序Gotcha!,它是一种基于网络数据的检测方法,它将传统的方法与网络知识相结合。大多数的检测方法在本质上是静态的,而Gotcha!利用动态图形,将个体之间随时间变化的关系考虑其中。

(2)团体欺诈检测: Gotch’all!
fraudspread

许多企业都在为团体合作欺诈所困。例如,在信用卡欺诈中,常常是一组人负责盗窃,另一组人恶意使用信用卡。我们的团队已经开发Gotch’all!算法,识别和遏制团队合作诈骗。

 

 

代表性论文:

  • Van Vlasselaer, V., Eliassi-Rad, T., Akoglu, L., Snoeck, M., Baesens, B. (2016). GOTCHA! Network-based fraud detection for social security fraud. Management Science, accepted.
  • Van Vlasselaer, V., Bravo, C., Caelen, O., Eliassi-Rad, T., Akoglu, L., Snoeck, M.,Baesens, B. (2015). APATE: A novel approach for automated credit card transaction fraud detection using network-based extensions. Decision Support Systems, 75, 38-48.
  • Van Vlasselaer, V., Akoglu, L., Eliassi-Rad, T., Snoeck, M., Baesens, B. (2015). Guilt-by-constellation: fraud detection by suspicious clique memberships. Proceedings of 48 Annual Hawaii International Conference on System Sciences: Vol. accepted. HICSS-48. Kauai (Hawaii), 5-8 January 2015.
  • Van Vlasselaer, V., Akoglu, L., Eliassi-Rad, T., Snoeck, M., Baesens, B. (2014). Finding cliques in large fraudulent networks: theory and insights. Conference of the International Federation of Operational Research Societies (IFORS 2014). Barcelona (Spain), 13-18 July 2014.
  • Van Vlasselaer, V., Akoglu, L., Eliassi-Rad, T., Snoeck, M., Baesens, B. (2014). Gotch’all! Advanced network analysis for detecting groups of fraud. PAW (Predictive Analytics World). London (UK), 29-30 October 2014.
  • Van Vlasselaer, V., Van Dromme, D., Baesens, B. (2013). Social network analysis for detecting spider constructions in social security fraud: new insights and challenges: vol. accepted. European Conference on Operational Research. Rome (Italy), 1-4 July 2013.
  • Van Vlasselaer, V., Meskens, J., Van Dromme, D., Baesens, B. (2013). Using social network knowledge for detecting spider constructions in social security fraud. Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Network Analysis and Mining. ASONAM. Niagara Falls (Canada), 25-28 August 2013 (pp. 813-820). 445 Hoes Lane, PO Box 1331, Piscataway, NJ 08855-1331, USA: IEEE Computer Society.