Στατιστικές μέθοδοι ανίχνευσης απάτης

 
Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Πειραιώς
Αποθετήριο :
Διώνη
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2014 (EL)
Statistical fraud detection
Στατιστικές μέθοδοι ανίχνευσης απάτης

Φραγκοπούλου, Πολυξένη Π.

Κούτρας, Μάρκος

Nowadays the technological progress and the evolution of global communication contributed to the increase in fraud, resulting in the loss of billions of dollars worldwide each year. Although prevention by the aid of technology is the best way to reduce fraud, fraudsters will continue to invent ways allowing circumvention of such measures. Science will always move on developing mechanisms that prevent or discover human activity aiming at manipulation or deceive. Methodologies for the detection of fraud are necessary if we are enabling to identify and convict fraudsters. Their activation starts once fraud prevention has failed. Fraud detection is a sector of science that has undertaken the responsibility of discovering fraud. The progress in computer science equipped the scientists with the opportunity to develop new techniques and methods, transforming thus the computationally intensive algorithms into feasible solutions. At the same time, the ease with which we can collect and store data in a digital way has created bulky and continuously growing data sets. Statistical methods for fraud detection have been successfully applied in various sectors of society which include large data sets, some of them are health, telecommunications, economy and technology. It is not surprising the interest of the scientific community in finding techniques and methods for extracting information from these diverse and huge data sets. In this Msc thesis, we shall present some of the statistical methods used to detect fraud in a variety of some areas, and is given some detailed examples in order to understand more the mechanism by which we are led to the discovery of fraud based on available statistical data.
Στη σημερινή εποχή η πρόοδος της τεχνολογίας και της εξέλιξης της παγκόσμιας επικοινωνίας συνέβαλλαν στην αύξηση της απάτης, με συνέπεια την απώλεια δισεκατομμυρίων δολαρίων το χρόνο παγκοσμίως. Αν και η πρόληψη με χρήση της τεχνολογίας είναι ο καλύτερος τρόπος να μειώσουμε την απάτη, οι απατεώνες θα συνεχίζουν να βρίσκουν τρόπους ώστε να μπορούν να μην γίνονται αντιληπτοί παρά τα μέτρα πρόληψης. Για το λόγο αυτό η επιστήμη προσπαθεί να αναπτύξει μηχανισμούς που εμποδίζουν ή ανακαλύπτουν τέτοιου είδους συμπεριφορές. Η ανάπτυξη συστημάτων μεθοδολογιών που έχουν ως στόχο την παραπλάνηση ή εξαπάτηση για την ανίχνευση της απάτης είναι απαραίτητες αφού δίνουν τη δυνατότητα να εντοπιστούν και να καταδικαστούν οι απατεώνες. Η ενεργοποίησή τους αρχίζει μόλις αποτύχει η πρόληψη της απάτης. Η ανίχνευση απάτης είναι ένας κλάδος της επιστήμης που στοχεύει στην ανακάλυψή της. Η πρόοδος της επιστήμης των υπολογιστών έδωσε την ευκαιρία στους επιστήμονες να αναπτύξουν νέες τεχνικές και μεθόδους μετατρέποντας έτσι τους υπολογιστικά απαιτητικούς αλγορίθμους σε εφικτές λύσεις. Ταυτόχρονα όμως, η ευκολία με την οποία μπορούμε να συγκεντρώσουμε και να αποθηκεύσουμε δεδομένα με ψηφιακό τρόπο δημιούργησε ογκώδη και συνεχώς αυξανόμενα σύνολα δεδομένων. Στατιστικές μέθοδοι ανίχνευσης της απάτης εφαρμόστηκαν με επιτυχία σε διάφορους τομείς οι οποίοι περιλαμβάνουν μεγάλα σύνολα δεδομένων, ορισμένοι από τους οποίους είναι η υγεία, οι τηλεπικοινωνίες, η οικονομία και η τεχνολογία. Δεν είναι λοιπόν παράξενο το ενδιαφέρον της επιστημονικής κοινότητας για ανάπτυξη τεχνικών και μεθόδων εξαγωγής πληροφορίας από αυτά τα ποικιλόμορφα και τεράστια σύνολα δεδομένων. Στην παρούσα διπλωματική παρουσιάζονται ορισμένες από τις στατιστικές μεθόδους που χρησιμοποιούνται για την ανίχνευση της απάτης σε κάποιους τομείς και δίνονται ορισμένα αναλυτικά παραδείγματα για να γίνει πιο κατανοητός ο μηχανισμός με τον οποίο οδηγούμαστε στην ανακάλυψη της απάτης με βάση διαθέσιμα στατιστικά δεδομένα.

Master Thesis

Στατιστική
Λογιστική
Απάτη
Neural networks (Computer science)
Ανάλυση παλινδρόμησης

Πανεπιστήμιο Πειραιώς (EL)
University of Peiraeus (EN)

Ελληνική γλώσσα

2014-09-09T07:27:02Z


Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.