Tesi etd-11162021-141125 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
URN
etd-11162021-141125
Titolo
Fraud detection: implementazione di un sistema di anomaly detection per l'individuazione di clienti ad alto rischio in ambito finanziario
Dipartimento
INFORMATICA
Corso di studi
DATA SCIENCE AND BUSINESS INFORMATICS
Relatori
.
relatore Prof. Rossetti, Giulio
correlatore Dott. Battaia, Alberto
controrelatore Prof. Ruggieri, Salvatore
correlatore Dott. Battaia, Alberto
controrelatore Prof. Ruggieri, Salvatore
Parole chiave
- data mining
- entity resolution
- fraud detection
- machine learning
Data inizio appello
03/12/2021
Consultabilità
Non consultabile
Data di rilascio
03/12/2091
Riassunto (Inglese)
Riassunto (Italiano)
L’elaborato riguarda il tema dell’individuazione di frodi, problema reso ancora più delicato dal divario tra la piccola quantità di dati disponibili realmente fraudolenti e l’ingente perdita economica che ne consegue per l’azienda.
Il progetto tratta l’implementazione e la validazione di un sistema di individuazione di clienti ad alto rischio in ambito finanziario reso poi fruibile agli utenti di business. Tale individuazione avviene attraverso una duplice modalità: processo di entity resolution e modelli di machine learning, per associare e integrare le informazioni interne riguardanti clienti con informazioni relative a frodi pubblicate e trasmesse dai media, e applicazione di regole di business
Il progetto tratta l’implementazione e la validazione di un sistema di individuazione di clienti ad alto rischio in ambito finanziario reso poi fruibile agli utenti di business. Tale individuazione avviene attraverso una duplice modalità: processo di entity resolution e modelli di machine learning, per associare e integrare le informazioni interne riguardanti clienti con informazioni relative a frodi pubblicate e trasmesse dai media, e applicazione di regole di business
File
| Nome file | Dimensione |
|---|---|
La tesi non è consultabile. |
|