Big Data e Inteligencia artificial al servicio de la lucha contra el fraude.

Transcripción

1 Big Data e Inteligencia artificial al servicio de la lucha contra el fraude. J.M.Alcolea. Evendor Engineering Marzo,

2 APRENDIZAJE CONTINUO RTD 2

3 ...extrayendo valor del Big Data - PROTECCIÓN INFORMACIÓN ASOCIADA A LOS PLASTICOS INFORMACIÓN DE LOS TARJETAHABIENTES INFORMACIÓN ASOCIADA A LOS COMERCIOS TERMINALES (CAJEROS, TPV s, DISP.MOVILES,..) TRANSACCIONES GENERADAS (Millones/día) COMPENSACIONES, LIQUIDACIONES INCIDENCIAS, DOCUMENTACIÓN CUENTAS ASOCIADAS, MOVIMIENTOS,.. 3

4 BIG DATA - Conocimiento vs. Caos 4

5 BIG DATA - Conocimiento vs. Caos Rubros/Actividades Presenciales BIN Conocimiento Detección Prevención Procesar Gestionar Analizar Decidir Anticipar Actuar 5

6 BIG DATA Procesar - Gestionar Integrar, depurar y ordenar la información con eficiencia y flexibilidad para obtener del Big Data conocimiento de calidad, con el rendimiento necesario para responder en tiempo y forma. 6

7 BIG DATA Analizar - Decidir Extraer conocimiento del Big Data es posible gracias a la aplicación de algoritmos predictivos para la toma de decisiones en tiempo real, lo que supone un valor diferencial en los procesos de detección y prevención del fraude. 7

8 8

9 9

10 BIG DATA Anticipar - Actuar (*) El sistema hace un seguimiento continuo de cada uno de los valores para cada uno de los nodos incorporados a la red de detección. Una alteración en las frecuencias normalizadas de fraude y no fraude pueden ser indicativas de un cambio de patrón, lo que requiere ser estudiado. Los procesos de aprendizaje continuo basados en algoritmos predictivos, proporcionan información relevante sobre el comportamiento de las distintas variables involucradas en la detección de fraude, siendo de gran valor en la prevención de cambios de patrón y otras alteraciones relacionadas con nuevas tipologías de fraude. 10

11 Modos de Detección Tiempo real (RT) RTD Reglas RT NRT/Batch Redes Bayesianas Reglas Batch Reglas RT/NRT Integral Redes Bayesianas Reglas Batch Reglas RT Reglas Redes Filtrado-amplificación El contexto de implantación determina el modo de funcionamiento más adecuado, así como las fases para alcanzar la detección más temprana. 11

12 Aprendizaje Continuo 12

13 ACCESO ADQUISICIÓN Big Data y la aplicación práctica del RTD Autorización Real Time (RT) POS Caja Registradora RTD Telemercadeo Gestor de Casos Internet Voz Motor de Reglas Los modelos predictivos basados en probabilidad condicional, son capaces de auto-ajustarse en un proceso de aprendizaje continuo, sin periodos de reentrenamiento, analizando y respondiendo en Tiempo Real. 13 ATM

14 Gestión Integral en la Detección. RTD Red Maximal Redes de Detección Redes de Filtrado Red de vigilancia que cubre todos los nodos posibles de detección. Permite examinar regularmente los histogramas y coeficientes generados. Usadas para una detección de Real Time (RTD) o Near Real Time. Su nivel de sensibilidad aumenta con el aprendizaje, que es continuo. Indicadas para el filtrado previo de transacciones sobre las que aplicar reglas, en un proceso que combina ambas estrategias de detección. 50,0 45,0 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 %FD_Red2b2 %VP_Red2b2 7,00 6,00 5,00 4,00 3,00 2,00 1, Num Alm. %FD 100,0 90,0 80,0 70,0 60,0 50,0 40,0 30,0 20,0 10,0 0,0 0,00 0,20 0,40 0,60 0,80 0,00 0 0,00 0,20 0,40 0,60 0,80 0,0 Red de detección Red de filtrado 14

15 Num. Alarmas Millares Gestión Integral en la Detección. Reglas & RTD Red de Filtrado ,3% FD Num Alarmas/mes %FD 100,0 90,0 80, , ,8% Alarmas 60,0 50,0 40, , ,0 10,0 0 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0,0 15

16 Redes de Filtrado Gestión Integral en la Detección. Reglas & RTD RTD Redes Reglas Reducción de Costes Incremento de la eficiencia Motor de Reglas ANÁLISIS DE CASOS Una red de filtrado permite descartar un elevado número de transacciones que significarían falsos positivos en la detección basada en reglas, así como un coste operativo superior en su revisión. MONITORIZACIÓN DEL FRAUDE 16

17 Gestión de Casos Visión Completa Ejecución Acción Histórico / Evolución Transacciones alertadas Información adicional Alertas relacionadas Tracking eventos / Seguimiento Gestión masiva alertas 17

18 Gestión de Casos Visión Completa Ejecución Acción Histórico / Evolución Transacciones alertadas Visión Global del caso El analista dispone de toda la información relevante asociada al caso. Información adicional Esto se traduce en: Velocidad / Agilidad Claridad Control Efectividad Alertas relacionadas Tracking eventos / Seguimiento Gestión masiva alertas 18

19 Seguimiento y Control Acceso flexible y configurable a la información que permita hacer un seguimiento, control y reajuste de toda la actividad realizada. Pantallas con funcionalidad de Case Mng 19

20 Big Data y Decisión en Tiempo Real (RTD) Aportación de valor. Tecnologías que permitan un análisis exhaustivo de los datos. Extracción de Conocimiento de la Detección del Fraude. Elementos objetivos de decisión Histogramas, Coeficientes, Aprendizaje continuo. Sistemas inteligentes, con capacidad de aprendizaje. Generación de patrones autoajustables de forma continua. Capacidades de Detección y Prevención. Gestión integral del fraude Funcionamiento conjunto de las diferentes estrategias de detección. Flexibilidad en la incorporación de información. Respuesta temprana Near Real Time & Real Time. RTD Lenguaje Natural Vertical DB Mebone ETL 20

21 21