De nauwkeurigheid van fraudedetectie in het bankwezen verbeteren

Context en doelstellingen

Een bank in België heeft te maken met het groeiende probleem van vervalsing van documenten en fraude met hypotheekaanvragen. Dit resulteert in het geven van nieuwe leningen of het verhogen van de omvang van leningen wanneer mensen deze niet willen (of kunnen) terugbetalen.

Het huidige proces van de banken om documentfraude op te sporen is dat individuele agentschappen elk document handmatig controleren. Zodra een agent een document als verdacht markeert, verwijst hij het ter controle door naar een team van experts. Helaas kan dit langzame en vervelende proces gemakkelijk resulteren in menselijke fouten, zoals het laten doorgaan van frauduleuze documenten voor echt.

Deze bank gaf Agilytic de opdracht om een proof of concept te leveren voor een geautomatiseerd fraudedetectiesysteem. Dit systeem moet twee hoofddoelen bereiken:

• Bespaar medewerkers tijd door handmatige controles van elk document overbodig te maken.

• Verbeter de nauwkeurigheid van het opsporen van fraude.

Benadering

We hebben drie benaderingen gebruikt om een geautomatiseerd systeem voor fraudedetectie te ontwikkelen:

• De eerste twee zijn traditionele benaderingen gebaseerd op optische tekenherkenning (OCR) om wijzigingen in tekstdocumenten te detecteren. Deze vergelijken waarde en formaat inconsistenties in documenten, zoals spaties tussen letters. OCR vereist geen grote hoeveelheden trainingsgegevens zolang documenten een gespecificeerd sjabloon volgen dat het OCR-systeem kan analyseren.

• De derde is een innovatieve aanpak met steganografische fraudedetectie om manipulaties op beelddocumenten te detecteren. Deze grafische inspectietechniek kan fraude detecteren in zelfs de lastigste gevallen, door verder te gaan dan wat onze ogen kunnen zien en door te gaan tot op pixelniveau van deze afbeeldingsdocumenten. We hebben ons algoritme voor deze aanpak getest op 2300 loonstrookjes en het detecteerde 70% van de vervalste documenten correct.

De combinatie van deze drie benaderingen verbetert het vermogen van het systeem om fraude nauwkeurig te detecteren aanzienlijk. Terwijl OCR het voordeel biedt dat een eenvoudige oplossing ongelooflijk snel kan worden geïmplementeerd, stelt steganografie ons in staat om een hoge mate van nauwkeurigheid te bereiken in gevallen waarin het menselijk oog de aanwezigheid van fraude gemakkelijk over het hoofd zou hebben gezien.

Resultaten

We hebben het systeem zo ontworpen dat agentschappen een document snel en eenvoudig kunnen controleren op fraude. Het systeem detecteert de fraude direct of geeft aanbevelingen over of het document frauduleuze elementen bevat die de agent vervolgens zelf kan controleren.

Door de informatie van het systeem als leidraad te gebruiken, kunnen instanties veel sneller tot een conclusie komen over de levensvatbaarheid van een document, wat resulteert in een veel gestroomlijnder proces.

Een belangrijk punt om te onthouden bij het automatiseren van processen die voorheen zeer handmatige taken inhielden, is dat je het punt van 100% automatisering wel eens zou kunnen missen. Maar zelfs het automatiseren van een fractie van de taken die volumineus en foutgevoelig zijn, kan enorme voordelen opleveren voor een organisatie.

In dit geval kon het geautomatiseerde fraudedetectiesysteem ongeveer de helft van alle ingediende documenten correct detecteren, waardoor de werklast van agenten bij de bank aanzienlijk werd verminderd.

De hoge kosten die het opsporen van fraude voor banken met zich meebrengt, maken het automatiseren van het proces een ongelooflijk waardevolle onderneming. Naast het besparen van tijd en het verbeteren van de nauwkeurigheid van het detecteren van frauduleuze documenten, kunnen geautomatiseerde fraudedetectiesystemen banken helpen om risico's effectiever te beheren door frauduleuze activiteiten te identificeren en aan te pakken voordat het een probleem wordt.

-

Geschreven door Joleen Bothma