Künstliche Intelligenz Partials

Betrugserkennung und -vorbeugung

Die Betrugserkennung hat das Ziel, betrügerische Transaktionen und Aktivitäten im Web zu erkennen. Insbesondere bei umfangreichen Datenmengen ist es herausfordernd, den Überblick zu behalten. Es gilt, innerhalb der vorliegenden Informationen Muster zu erkennen, die auf einen Betrug hindeuten. Im Tagesgeschäft eines Online-Händlers sind hierfür meist keine Kapazitäten vorhanden.

Selbst für Experten ist diese Aufgabenstellung langwierig. Es liegt daher nahe, Methoden des maschinellen Lernens einzusetzen, um die Betrugserkennung weitgehend zu automatisieren. Um Betrugsmerkmale zu erlernen, werden historische Daten aus Onlineshops verwendet. Die identifizierten Muster können dann anhand neuer Bestellungen verifiziert und klassifiziert werden. Als Grundlage für die Fraud Detection (Betrugserkennung) werden neuronale Netzwerke mit überwachtem Lernen eingesetzt. Für Onlineshops bedeutet dies, dass im Vorfeld bekannt sein muss, ob eine Bestellung einen Betrugsfall darstellt. Ein mögliches Merkmal könnte beispielsweise ein ungewöhnlich hoher Gesamtbestellwert sein.