Métodos de Data Mining para a Detecção de Fraude
Data Mining methods for Fraud Detection
Coordenador: Luís Torgo
texto em portugu�sO objectivo principal desta linha de investigação é o desenvolvimento de ferramentas e métodos para serem usados de forma a optimizarem recursos humanos e/ou financeiros em tarefas de detecção de fraude. As ferramentas de data mining podem ser usadas para apoiar a decisão de que casos inspeccionar no contexto de aplicações de detecção fraude. Estas tarefas são tipicamente restringidas pela existência de uma quantidade limitada de recursos humanos e/ou financeiros para as levar a cabo. Esta linha de investigação ambiciona desenvolver métodos para melhor apoiar estas decisões de inspecção. Concretamente, nesta linha de investigação foram cumpridos estes objectivos através do:

  • Desenvolvimento de modelos de ranking de outliers para apoiar a decisão de inspecção.
  • Desenvolvimento de modelos que incorporem outros tipos de critérios para além da probabilidade de fraude, na produção dos rankings de inspecção. Concretamente foram desenvolvidos métodos de produção de rankings de inspecção que incorporam critérios ligados aos custos e eventuais retornos das tarefas de inspecção.
  • Comparação dos modelos desenvolvidos com outros existentes em várias aplicações reais.

O trabalho desenvolvido nesta linha de investigação foi suportado financeiramente e enquadrado no contexto do projecto FCT oRANKI (PTDC/EIA/68322/2006). Mais detalhes sobre este projecto podem ser obtidos no site do projecto:
http://liaad.inescporto.pt/modys/projects/oranki

Texto em ingl�sThe main goal of this research line is the development of tools and methods to optimize the human and financial resources allocated to fraud detection tasks. Data mining tools can be used to provide support on the decision of which cases to inspect in the context of fraud detection applications. These tasks are typically constrained by a limited amount of available human and/or financial resources. This research line aims at the development of methods to better support these inspection decisions. Namely, in the context of this line the following main objectives were already attained:

  • Development of outlier ranking methods to support the inspection decisions.
  • Development of models that incorporate different criteria apart from the probability of fraud in the production of inspection rankings. Namely, we have developed models that produce rankings that take into account not only the probability of fraud but also the estimated costs of inspection and also the estimated return of the inspection activities if the cases are confirmed as fraudulent.
  • Comparison of the developed models with other existing alternatives in the context of real world applications.

The work that was carried out in the context of this research line was financially supported by the FCT project oRANKI (PTDC/EIA/68322/2006). Further details on this project can be obtained at the project web site:
http://liaad.inescporto.pt/modys/projects/oranki