Extraction d'informations à partir de séries temporelles de cartes de crédit pour une détection de fraude plus rapide

Alors que les ventes en ligne continuent de croître, la fraude en ligne qui en découle reste une source de revenus attrayante pour les fraudeurs. Ces activités frauduleuses entraînent des pertes financières considérables pour les commerçants, rendant la détection de la fraude en ligne nécessaire. Le problème de la détection de la fraude concerne non seulement la capture des activités frauduleuses, mais aussi leur détection le plus rapidement possible. Cette rapidité est cruciale pour réduire les pertes financières. Dans cette recherche, une méthode de profilage a été proposée pour la détection de la fraude par carte de crédit. L'accent est mis sur les cas de fraude qui ne peuvent pas être détectés au niveau de la transaction. Dans la méthode proposée, les motifs inhérents aux séries temporelles des montants quotidiens agrégés dépensés sur un compte de carte de crédit individuel ont été extraits. Ces motifs ont été utilisés pour raccourcir le temps entre le moment où une fraude se produit et celui où elle est enfin détectée, ce qui a entraîné une détection de fraude plus rapide, un taux de détection amélioré et moins de pertes financières.