Synthetische Daten und Computer Vision zur Verbesserung der Betrugsabwehr
Reply hat Agos bei der digitalen Transformation des Finanzsektors unterstützt und ein leistungsstarkes System zur Betrugsprävention eingeführt.
#Computer vision
#Synthetic data
#Automatic frauds detection
,allowExpansion)
DIE HERAUSFORDERUNG
Automatisierung der Aufdeckung von Finanzbetrug bei Verbraucherkrediten durch Einbeziehung neuer Datenquellen in die Betrugsbekämpfungsprozesse
DER KONTEXT
Neue Lösungen zur Betrugsbekämpfung
Agos, ein führendes Finanzunternehmen im Bereich der Verbraucherkredite, sah sich mit einer Reihe von Herausforderungen im Zusammenhang mit der Identifizierung und Verhinderung von Finanzbetrug konfrontiert. Angesichts der ständig wachsenden Bedrohung durch Betrüger, die falsche Dokumente oder gestohlene Identitäten verwenden, um unerlaubte Kredite zu erhalten, stellte die manuelle Analyse von Personalausweisen immer noch eine Schwachstelle dar.
Um diesen Bedrohungen zu begegnen, hat das Unternehmen einen innovativen und automatisierten Ansatz gewählt, der neue Informationsquellen und fortschrittliche Datenanalysetechniken integriert. So konnte Agos sein System zur Aufdeckung und Vorbeugung von Finanzbetrug stärken und die Integrität des Unternehmens und seiner Kunden schützen.
DIE LÖSUNG
Identifizierung gefälschter Dokumente mit synthetischen Daten und ML
Um den Anforderungen von Agos bei der Aufdeckung von Betrug gerecht zu werden, hat Target Reply einen innovativen Ansatz entwickelt, der Elemente der Computer Vision (durch den Einsatz von Convolutional Neural Networks), Algorithmen des Machine Learnings und synthetische Daten in verschiedenen Phasen des Datenanalyseprozesses effektiv kombiniert. Dank ihrer beachtlichen Effizienz bei der Bildverarbeitung haben die neuronalen Netze es ermöglicht, visuelle Merkmale zu extrahieren, die als Input für Klassifizierungsalgorithmen auf der Grundlage des Machine Learning dienen, wodurch die Analyse von Dokumenten für Finanzierungsanträge automatisiert und eine wirksame Identifizierung gefälschter Personalausweise erreicht werden konnte. Gleichzeitig hat die Integration synthetischer Daten zu einer erheblichen Verbesserung der Qualität und Quantität der verfügbaren Daten geführt, wodurch die Gesamtleistung des Modells gesteigert werden konnte.
,allowExpansion)
Wir wir das geschafft haben
Synthetische Daten als Schlüssel für einen großen und ausgewogenen Datensatz
Um die Herausforderungen im Zusammenhang mit der Betrugserkennung effektiv zu bewältigen, wurden im Rahmen des Projekts synthetische Daten verwendet. Da die Erkennung von Betrugsfällen einen großen und ausgewogenen Trainingsdatensatz erfordert, wäre der herkömmliche Ansatz aufgrund des Mangels an authentischen Daten und der Notwendigkeit, die Privatsphäre zu wahren, an seine Grenzen gestoßen. Die Verwendung synthetischer Daten, die durch Generative KI-Modelle erzeugt werden können, hat es ermöglicht, sehr realistische künstliche Informationen zu verwenden, die die Merkmale gefälschter Karten genau wiedergeben. Diese Verwendung synthetischer Daten hat die Fähigkeit des auf Convolutional Neural Networks (CNN) basierenden Modells verbessert, Betrug mit hoher Genauigkeit zu erkennen.
Ein besonderes Augenmerk wurde auf die Erklärbarkeit des Analysemodells gelegt. Die Fähigkeit, den Entscheidungsprozess des Systems zu verstehen, d. h. wie gefälschte Ausweise klassifiziert werden und welche Dokumentattribute diese Entscheidungen beeinflussen, war ein wesentliches Element, um ein größeres Vertrauen von Agos in die vom System getroffenen Entscheidungen zu gewährleisten.
)
Gesteigerte Effizienz
Durch die Automatisierung der Dokumentenprüfung entfällt die manuelle Prüfung durch Branchenexperten, was den damit verbundenen Aufwand und die Fehlerquote reduziert.
)
Einführung neuer Tools
Die Automatisierung der Dokumentenanalyse hat zu einer Innovation im Kontrollprozess geführt, indem sie neue Instrumente und Techniken zur Verfügung stellt, um Finanzbetrug zeitnah und effizienter zu erkennen.
)
Verkürzung der Markteinführungszeit
Die Verwendung synthetischer Daten ermöglichte es, die Anwendungsentwicklung zu beschleunigen und die Freigabezeiten zu verkürzen. Dadurch konnte die Lösung schnell implementiert und in kürzerer Zeit ein Nutzen erzielt werden.
Gesteigerte Leistung
Die Anreicherung des Datensatzes mit synthetischen Daten hat die Konsistenz und Repräsentanz der Daten verbessert und die Leistung bei der Erkennung falscher Dokumente erhöht.
Agos ist ein Finanzunternehmen, das sich mit der Umsetzung der Projekte seiner Kunden befasst und den Verkauf von Partnern auf verschiedenen Märkten durch eine breite Palette von Produkten und Dienstleistungen unterstützt: Privatkredite, abgeschlossene Finanzierungen, Kreditkarten, Leasing und eine breite Palette von Versicherungsdienstleistungen.
Target Reply ist das Unternehmen der Reply-Gruppe, das sich auf die Entwicklung von Big Data- und Advanced Analytics-Lösungen spezialisiert hat. Target Reply unterstützt Unternehmen von der Bedarfsermittlung bis hin zur Entwicklung und Implementierung von Lösungen durch Datenintegration, Datenmodellierung und prädiktive Analysetechnologien und nutzt dabei die innovativsten Tools im Bereich Business Discovery und Big Data. Target Reply hat umfangreiche Erfahrungen mit großen italienischen und ausländischen Unternehmensgruppen gesammelt und ist in der Lage, in allen wichtigen Märkten tätig zu sein: Telekommunikation, Finanzen und Fertigung.