Der Schaden durch Betrug beläuft sich pro Jahr auf mehrere Millionen Euro, und diese Zahl wächst drastisch an: So ist zum Beispiel im Vereinigten Königreich der geschätzte Schaden der Kreditkartenbetrugsfälle von 122 Millionen Pfund (1997) innerhalb von drei Jahren auf fast 300 Millionen Pfund gestiegen (Bolton und Hand: Statistical Fraud Detection: A Review).

In diesem Seminar betrachten wir das Thema Betrugserkennung aus der Perspektive des Maschinellen Lernens. Es werden verschiedene Ansätze diskutiert, die zur automatischen Erkennung von Betrugsfällen angewendet werden.

Betreuer: Prof. Dr. Dr. Lars Schmidt-Thieme und Krisztian Buza

Themen:

0. -- Einführung --
1. Betrugserkennung in Empfehlungssystemen
2. Erkennung von Kreditkartenbetrug mit Bayesschen und Neuronalen Netzen
3. Betrugserkennung basierend auf Datenfingerabdrücken
4. Betrugserkennung in sequentiellen Daten
5. Fallbasierte Systeme zur Betrugserkennung
6. Relationale Klassifikation zur Betrugserkennung
7. Boosting Naive Bayes zur Betrugserkennung
8. Entwicklung interner Kontrollsysteme zur Betrugserkennung
9. Regression zur Vorhersage von Insolvenzfällen
10. Hybride Systeme (Entscheidungsbäume und SVM)

Die Themen werden per E-Mail vergeben ( ) .