Anomaly detection under cost constraint
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Marcos Oliveira Prates
Marcelo Azevedo Costa
Marcelo Azevedo Costa
Resumo
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.
Abstract
Assunto
Fraude na Internet, Estatística, Detecção de anomalias (Computação), Estatistica, Aprendizado de máquina, Mineração de dados (Computação)
Palavras-chave
Detecção de fraudes, Detecção de anomalias, Aprendizado de Máquina, Classificação, Mineração de Dados