|
Title
|
|
|
|
Datamining voor fraudedetectie
| |
|
Author
|
|
|
|
| |
|
Abstract
|
|
|
|
| De omvang, diversiteit en impact van de fraudeproblematiek zorgt ervoor dat bedrijven en overheden alsmaar meer investeren in geavanceerde detectiesystemen. Geautomatiseerde datamining technieken bieden een belangrijke opportuniteit als risicomanagementtools, aangezien ze toelaten om frauduleuze patronen te onderscheiden van legale patronen. In dit artikel wordt een overzicht gegeven van het potentieel en de beperkingen van datamining voor fraudedetectie. Het discours beperkt zich niet enkel tot datamining aan zich, maar kadert dit gegeven ook in een big data context. Belangrijke aspecten zoals privacy en begrijpbaarheid komen aan bod. Tenslotte wordt een datamining methodologie toegepast in een gevalstudie van domiciliefraude. Met deze bijdrage willen de auteurs de performantie van dataminingmodellen in een context van fraudedetectie kwantitatief en grafisch evalueren en onderzoeken zij of het toevoegen van gedragsdata de predictieve performantie van deze modellen kan verhogen. Hiertoe worden state-of-the-art datamining technieken gehanteerd. |
| |
|
Language
|
|
|
|
Dutch
| |
|
Source (journal)
|
|
|
|
Cahiers politiestudies / Centrum voor Politiestudies. - Gent, 2006, currens
| |
|
Publication
|
|
|
|
Gent
:
2016
| |
|
ISSN
|
|
|
|
1784-5300
| |
|
Volume/pages
|
|
|
|
39
:2
(2016)
, p. 167-211
| |
|