Praktische Betrugsprävention

Kapitel 5. Maschinelles Lernen und Betrugsmodellierung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Du benutzt dieses Wort ständig. Ich glaube nicht, dass es das bedeutet, was du glaubst, dass es bedeutet.

Inigo Montoya, Die Braut des Prinzen¹

Bevor maschinelles Lernen zum Modewort wurde, gab es Regeln. Die meisten Betrugsanalysten erinnern sich noch daran, dass sie bei der Automatisierung von Betrugsfällen ausschließlich Regeln verwendet haben, und Regeln sind auch heute noch wichtig. Heutzutage werden sie jedoch oft in Kombination mit maschinellem Lernen eingesetzt. Die Dominanz des maschinellen Lernens kann den Eindruck erwecken, dass es schon seit Jahren eingesetzt wird, aber in Wirklichkeit ist es eine relativ neue Entwicklung.

Bis Anfang der 2010er Jahre nutzte praktisch kein Betrugsteam maschinelles Lernen, obwohl sich viele Unternehmen mit ihren frühen Experimenten in diesem Bereich brüsteten. Einer der wahren Pioniere - Fraud Sciences, das 2008 von PayPal übernommen wurde - machte es sich zur Gewohnheit, regelmäßig Brainstormings abzuhalten, um einen stetigen Strom an "kreativen Säften" zu fördern, als seine Teams die ersten Betrugsklassifikatoren entwickelten. Jede manuell untersuchte Betrugstransaktion wurde von einem Betrugsanalysten untersucht, der Ideen für ein Modellmerkmal vorschlagen musste (oder zumindest die wichtigsten "Gründe für die Entscheidungen des Analysten" auswählen ...