Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ICED-ALYJS7
Type: | Dissertação de Mestrado |
Title: | Anomaly detection under cost constraint |
Authors: | Bruno Barbarioli |
First Advisor: | Renato Martins Assuncao |
First Referee: | Marcos Oliveira Prates |
Second Referee: | Marcelo Azevedo Costa |
Abstract: | A detecção de anomalias é usualmente utilizada em análise de fraudes. Entretanto, restrições de orçamento podem tornar o processo impraticável quando um número grande anomalias é identificada. O presente trabalho propõe um método para selecionar casos probabilisticamente baseado no seus impactos, mas garantindo que a discrepância relativa entre os valores observados e os valores esperados seja levada em consideração. Ele usa uma modificação do False Discovery Rate step-up procedure para melhorar a precisão e garantir a escalabilidade. Aplica-se então o método proposto à um projeto destinado a monitorar o sistema de pagamentos do serviço de saúde público brasileiro a fim de encontrar comportamentos fraudulentos. |
Subject: | Fraude na Internet Estatística Detecção de anomalias (Computação) Estatistica Aprendizado de máquina Mineração de dados (Computação) |
language: | Inglês |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/ICED-ALYJS7 |
Issue Date: | 15-Feb-2017 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dissertacao.pdf | 1.25 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.