A fraude é uma falha no sistema que permite usuários autorizados ou não autorizados executarem ações que causam danos ou prejuízos a outros usuários ou ao próprio sistema. Padrões de fraude mudam rapidamente e sistemas inteligentes baseados em aprendizado de máquina podem aprender automaticamente com dados para prever e combater fraudes de forma mais eficaz.

1. Fraude eletrônica
{
“evento”: “Fórum de Segurança da Informação da FADERGS”,
“data” : “24/11/2015”,
“autor” : “Jonathan Baraldi”,
“email” : “jonathan@tesla-ads.com”
}

3. A Fraude é uma falha no sistema. Onde permite
que usuários autorizados ou não executem ações
que irão causar dano ou prejudicar de alguma
maneira outros usuários ou o próprio sistema.
Esses sistemas que pode ser qualquer indústria,
desde a bancária até a de convênios de saúde.
Fraude

4. Fraude é adversa
Disciplinas como
otimização para
ferramentas de
busca tem
competidores de
acordo com
regras…
...prevenção de
fraude tem
adversários
hostis
propositalmente
quebrando as
regras

5. Padrões de Fraudes mudam rapidamente
Regras geradas por
humanos não evoluem
rápido suficiente
Cada barra é um dia
Esta é $691,000

6. Fraude é de cauda-longa
Soma dos casos menores é mais danosa que
os casos maiores
país
varejo
emissor
cartão

7. Enxugar o gelo

8. Como combater?

9. Sistemas inteligentes
“Sistemas inteligentes (machine learning) que aprendem
automaticamente, preveem e agem usando dados”
APRENDER PREVEEM
AGEM
“sem
regras
predefinidas"

10. Exemplos de Machine Learning
As regras da estrada não funcionam aqui.

11. Exemplos de Machine Learning
Minhas compras fazem o
sistema aprender.
Meu feedback ensina
o sistema a se aprimorar
e evoluir

12. Exemplos de Machine Learning
Marcar os casos ensina o
sistema a melhorar e evoluir
Compras anteriores fazem o
sistema aprender.

13. O que você precisa
Infraestrutura
Storage
Memória
Processadores
Largura de banda
Time
Cientistas de dados
Engenheiros
Analistas
Desenvolvedores
Dados
Base treinamento
Over/Undersampling
Overfitting
Sistema de
predição em que
a linha verde
representa um
modelo
sobreajustado e a
linha preta um
modelo
regularizado.

14. Tesla ADS

15. Bancária
Expor a fraude antes
resulta em reais economias
financeiras. Ao mesmo
tempo, uma taixas pobres
de detecção e altos
incidentes de alarmes
falsos aumentam custos de
equipe, e afastam clientes
fiéis.
Seguros
Atividades fraudolentas
afetam a vida de pessoas
inocentes, tanto por
acidental quanto por
intencional. Isso faz
aumentar o valor dos
planos e representa um
grande problema para
organizações e governo.
Saúde
Fraude em convênio
médico é um crime
grave e consiste em
prejudicar o sistema de
saúde com propósitos
ilícitos. Os serviços são
prejudicados afetando
todos os envolvidos.

16. Demos

17. Previsão
Decisões guiadas por dados a baixo custo levam a um
novo tipo de gerenciamento, futuros líderes irão fazer
as perguntas certas para as máquinas, ao invés de seres
humanos especializados, que irão analisar os dados e
sugerir recomendações e decisões que suas empresas
irão usar em muitas áreas.

18. Obrigado
{
“evento”: “Fórum de Segurança da Informação da FADERGS”,
“data” : “24/11/2015”,
“hora” : “19h”,
“autor” : “Jonathan Baraldi”,
“email” : “jonathan@tesla-ads.com”
}