Tesi etd-11162021-141125 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
ORLANDINI, LUCREZIA
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
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. |
|