Betrugs­er­ken­nung ist im Ban­ken­be­reich ein wich­ti­ges The­ma. Betrug tritt in die­sem Umfeld in unter­schied­li­chen For­men auf, wie bei­spiels­wei­se orga­ni­sier­te Geld­wä­sche, Geld­au­to­ma­ten­ma­ni­pu­la­ti­on oder Iden­ti­täts­dieb­stahl beim Online-Ban­king. Die Ana­ly­se der Bank­trans­ak­tio­nen kann auf­grund des hohen täg­li­chen Trans­ak­ti­ons­vo­lu­mens der Kre­dit­in­sti­tu­te nicht von Hand bewäl­tigt wer­den. Das Ziel die­ser Arbeit ist in die­sem Zusam­men­hang die auto­ma­ti­sche Ent­de­ckung von Betrugs­trans­ak­tio­nen inner­halb der kom­plet­ten Trans­ak­ti­ons­men­ge bei Ban­ken mit Hil­fe des Ein­sat­zes eines Hybrid-Modells aus maschi­nel­len Lern­ver­fah­ren und Com­plex Event Pro­ces­sing-Tech­no­lo­gie in Echt­zeit. Die Betrugs­trans­ak­tio­nen sind die Fol­ge von erfolg­reich durch­ge­führ­ten Iden­ti­täts­dieb­stäh­len beim Online-Ban­king durch Betrugs­me­tho­den wie Phis­hing, Phar­ming oder Tro­ja­ni­sche Pfer­de. Die Anzahl die­ser Betrugs­fäl­le in die­sem Bereich nimmt auch in Deutsch­land von Jahr zu Jahr ste­tig zu. …

Quel­le /​ Link: Ent­wick­lung eines Hybrid-Modells zur Erken­nung von Iden­ti­täts­dieb­stahl beim Online-Banking