Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Neo4j detection de la fraude et bases de donnees de graphe

La plateforme N ? pour les données connectées Détection de la Fraude et Bases de données de Graphe La découverte connectée LIVRE BLANC www neo j com CLa plateforme N ? pour les données connectées LIVRE BLANC TABLE DES MATIÈRES Introduction Exemple Fraude bancaire directe Exemple Fraude à l ? assurance Exemple Fraude dans le commerce électronique Conclusion Les auteurs Bibliographie et références Détection de la Fraude et Bases de données de Graphe La découverte connectée Introduction La fraude fait perdre aux banques et compagnies d ? assurance des milliards de dollars par an Les méthodes traditionnelles de détection de fraude jouent un rôle important dans la réduction de ces pertes Cependant les fraudeurs toujours plus sophistiqués ont développé de nouvelles techniques pour échapper à la détection que ce soit en travaillant ensemble ou en utilisant di ?érentes manières de construire de fausses identités Les bases de données de graphe o ?rent de nouvelles perspectives pour découvrir et mettre en lumière les fraudes organisées et autres escroqueries complexes avec un grand degré de précision et de certitude tout cela en temps réel Même si aucune mesure de prévention de la fraude ne sera jamais parfaite nous pouvons cependant obtenir des améliorations signi ?catives en prenant en compte non seulement les données disponibles séparément mais également les connexions qui lient ces données Souvent les connexions entre des données à priori disjointes passent inaperçues jusqu ? à ce qu ? il ne soit trop tard ce qui est regrettable car c ? est dans ces connexions que nous pouvons trouver les meilleurs indices Pour comprendre les liens entre les données et obtenir de ces liens une certaine intelligence il n ? est pas nécessairement obligatoire de collecter de nouvelles données Des informations importantes peuvent être tirées des données existantes tout simplement en reformulant le problème et en le regardant d ? une nouvelle manière sous la forme de graphe Contrairement à la plupart des autres façons de représenter les données les graphes ont été conçus pour exprimer liens et connectivités entre des donnés qui pourraient para? tre disjointes Les bases de données de graphe peuvent découvrir des caractéristiques qui sont di ?ciles à détecter en utilisant les représentations traditionnelles telles que les tables ou les bases de données relationnelles Un nombre croissant d ? entreprises utilisent des bases de données de graphes pour résoudre toutes sortes de problèmes o? les données sont connectées y compris la détection des fraudes Ce document traite de certaines des caractéristiques communes qui apparaissent dans trois types de fraude les plus dangereuses la fraude bancaire directe la fraude à l ? assurance et la fraude dans le domaine du commerce électronique Bien que ces trois types de fraude sont tout à fait di ?érents ils ont tous un point commun l ? escroquerie se cache derrière plusieurs couches d ? indirections qui peuvent être découvertes gr? ce à l ? analyse des interconnexions Dans chacun de ces exemples les bases de données de graphe o ?rent une