Thesis etd-11162021-141125 |
Link copiato negli appunti
Thesis type
Tesi di laurea magistrale
Author
ORLANDINI, LUCREZIA
URN
etd-11162021-141125
Thesis title
Fraud detection: implementazione di un sistema di anomaly detection per l'individuazione di clienti ad alto rischio in ambito finanziario
Department
INFORMATICA
Course of study
DATA SCIENCE AND BUSINESS INFORMATICS
Supervisors
relatore Prof. Rossetti, Giulio
correlatore Dott. Battaia, Alberto
controrelatore Prof. Ruggieri, Salvatore
correlatore Dott. Battaia, Alberto
controrelatore Prof. Ruggieri, Salvatore
Keywords
- data mining
- entity resolution
- fraud detection
- machine learning
Graduation session start date
03/12/2021
Availability
Withheld
Release date
03/12/2091
Summary
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 |
|---|---|
The thesis is not available. |
|