Investigation of Financial Fraud Detection by Using Big Data Analytics
Recenzentas / Rewiewer | |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Šiame darbe pagrindinis dėmesys skiriamas finansinio sukčiavimo aptikimui ir prevencijai naudojant didžiųjų duomenų analitiką. Darbe nagrinėjami klasifikavimo metodai, kaip įrankis sukčiavimui nustatyti bei klasterių ir raktinių žodžių analizė siekiant nustatyti nusikalstamos elgesenos savybes. Šis tyrimas fokusuojasi į neteisėtų mokėjimų aptikimą bei pagrindinių su neteisėtais mokėjimais susijusių savybių paieškai naudojant sintetinius beveik 1.9 milijono JAV mokėjimų duomenis apimančius laikotarpį nuo 2019 m. iki 2020 m. pabaigos. Nustatyta, kad tarp trijų klasifikavimo metodų – sprendimo medžio, K artimiausių kaimynų ir logistinės regresijos, K artimiausių kaimynų klasifikatorius rodo geriausius rezultatus aptinkant neteisėtus mokėjimus. Naudojant klasterių ir raktinių žodžių analizę nustatyta, kad neteisėti mokėjimai dažniausiai naudojami su mokėjimų kategorijomis susijusiomis su bakalėja, apsipirkimu. Pastebėjome, kad moterų nesąžiningų sandorių procentas yra didesnis nei vyrų. Žmones vykdančius neteisėtus mokėjimus galima suskirstyti į dvi amžiaus grupes – jaunesniąją 33, 40 ir 41 metų grupę ir vyresniąją grupę nuo 58 iki 80 metų. Be to, naudodami raktinių žodžių analizę nustatėme, kad miestai, esantys rytinėje šalies dalyje, yra labiausiai susiję su sukčiavimu, ypač Vašingtono miestas. Darbą sudaro: įvadas, finansinių sukčiavimo atskleidimo naudojant didžiųjų duomenų analizę literatūros apžvalga, teorinė struktūra ir dizainas, tyrimo vykdymas ir rezultatai, išvados, literatūros sąrašas. Darbo apimtis: 66 p. teksto be priedų, 34 iliustracijos, 5 lentelės, 63 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai.
This thesis focuses on detecting and preventing financial fraud by using big data analytics. The work examines classification techniques as a tool for fraud detection as well as cluster and keyword analysis to distinguish specific characteristics attributed to fraudulent behaviour. Specifically, this study focuses on detecting illegitimate transactions using synthetic dataset of almost 1.9 million US transactions spanning from 2019 until the end of 2020 as well as finding key characteristics associated with fraudulent transactions. The authors find that among three classification techniques – Decision Tree. K Nearest Neighbors and Logistic Regression, the K Nearest Neighbors classifier shows the best performance in terms of detecting fraudulent transactions. Using cluster and keyword analysis it is shown that fraudulent transactions can be characterized most commonly by the transaction categories relating to shopping and groceries. We notice that the percentage of fraudulent transactions committed by women is higher than that committed by men. People performing the fraudulent transactions can be split into two age groups - younger group of ages 33, 40 and 41 and the older group between the ages of 58 and 80. Additionally, by using keyword analysis we find that cities located on the east side of the country are most associated with fraud, especially the city of Washington. Structure: introduction, literature review of financial fraud detection by using big data analytics, theoretical framework and design, study execution and results, conclusions, references. Thesis consist of: 66 p. text without appendixes, 34 illustrations, 5 tables, 63 bibliographical entries. Appendixes of the paper are added separately.