¿Cómo se usa el SNA (Social Network Analysis) para combatir el fraude o las transacciones fraudulentas?

Gracias Akash Dugam por A2A

(fuente de la imagen: Cómo el fraude publicitario arruina Internet)

Aquí hay un pequeño escenario de SNA (análisis de redes sociales) para transacciones fraudulentas.

Imagine que una persona publica su ubicación en la actividad de la red social (imagen, comentario, publicación, tweet, …), por ejemplo, en su publicación en Facebook dijo: “Aquí estoy en …. ciudad con amigos “y después de eso, su tarjeta de crédito se usó en otra ciudad en otro país (demasiado lejos de su ubicación de comentarios actual) en este escenario, ¡sabemos que hay algún error!

Con base en esta información, y después de SNA, el banco puede bloquear fácilmente la transacción o enviar un SMS informativo a la persona.

Para obtener más información, busque: Análisis de fraude, detección de fraude de tarjetas de crédito en tiempo real con Apache Spark y transmisión de eventos

Espero que ayude.

Hola:

Esperemos que esto ayude. Para obtener más detalles, consulte la presentación que se menciona a continuación.

———

Amigos, recientemente fui invitado por un nuevo trabajo para ser orador en la Cumbre de Aprendizaje Profundo en Finanzas celebrada en Singapur . En primer lugar, quería agradecer a la gente @ rework por organizar este fantástico evento e invitar a muchos oradores talentosos de la industria y la academia. La agenda completa de 2 días fue una gran plataforma para aprender más sobre los últimos acontecimientos en esta área.

Estoy vinculando la presentación completa aquí. Comparte tus pensamientos …

https://www.linkedin.com/pulse/d

Con respecto a mi presentación, el tema fue “Aprendizaje profundo y detección de fraude en Fintech Lending”. Algunos de los puntos clave que se trataron durante esta presentación son:

  • Tipos de tecnología
  • Impulsores clave para el fraude en préstamos fi ntech
  • Modus operandi (MO) de fraude común en préstamos fi ntech
  • ¿Por qué el aprendizaje profundo para la detección de fraudes?
  • Ejemplos de áreas de aplicación de aprendizaje profundo en detección de fraude
  1. Detección de anomalías utilizando Autoencoder / Replicator Neural Network
  2. Análisis de redes sociales (SCN)
  3. Demostración del clasificador de aprendizaje profundo Multi Layer Perceptron (MLP) construido con Python, Tensor fl ujo y Keras junto con parámetros estadísticos vitales como precisión, logloss, precisión, recuperación, fscore, etc.

Espero que esto ayude.

¡Salud!

Gracias por sus votos a favor de antemano. Me mantienen en marcha! ¡Gracias!

Descargo de responsabilidad: Las opiniones expresadas aquí son únicamente las del escritor en su capacidad privada.

Es una idea simple, si tus amigos están cometiendo fraude, es más probable que tú también lo estés que si tus amigos nunca hubieran hecho nada como esto.

Por supuesto, no es tu culpa lo que hacen tus amigos, pero es un comienzo para buscar fraudes. Es más fácil buscar de esta manera que mirar cada transacción de cada persona en el país (no tiene suficientes recursos para hacer una búsqueda tan grande).