Predictive Multigraph Analysis
01.02.2020 – 31.01.2023
Im Bereich der Betrugsbekämpfung stellen die Verfahren der Predictive Analytics einen wesentlichen und etablierten Ansatz dar. Ein Teilbereich dieser Verfahren beschäftigt sich mit Methoden der Sozialen Netzwerk Analyse (SNA), die auf der Graphentheorie aufbaut. Derartige Verfahren werden in den unterschiedlichsten Bereichen und Brachen eingesetzt, wie etwa Telekom, Bankwesen oder bei der Bekämpfung von Desinformation.
Dabei wird eine Graph-Datenstruktur aus in der realen Welt beobachteten Beziehungen zwischen den Akteuren aufgebaut. Im Bereich der Betrugsbekämpfung der Finanz, können dies etwa Dienstnehmermigrationen (Lohnzetteldaten), Auftragsvergaben (Auftraggeberhaftung im Bauwesen), gemeinsame Zulieferer in Drittstaaten (Zoll-Anmeldungen), Beteiligungsstrukturen (Firmenbuch & WiReg) oder handelnde Personen (Firmenbuch) sein.
Der aktuelle Stand der Wissenschaft kennt eine Reihe von Methoden zur Fraud-Prediction auf Basis von einzelnen Graphen. Wie auch im oben beispielhaft beschriebenen Anwendungsfall der Finanzverwaltung stehen jedoch zumeist unterschiedliche Informationsquellen zur Verfügung, die nicht verlustfrei als ein Graph modelliert werden können. Derartige Netzwerke werden daher als sogenannte Multigraphen modelliert, die unterschiedliche Beziehungstypen in einem Netzwerk abbilden.
Für diese Multigraphen fehlt es jedoch an etablierten Methoden zur Fraud-Prediction. Ziel des gegenständlichen Vorhabens ist es nun, Methoden zur Fraud-Prediction zu entwickeln, die effizient auf sogenannte large-scale Multigraphs angewandt werden können.
Unser Forschungsteam
