Rilevazione delle frodi nelle carte di credito

Progetto per il corso di Machine Learning

Nell’ambito finanziario, uno degli aspetti più rilevanti è l’individuazione di transazioni fraudolente sulle carte di credito. Si può parlare sia di frodi ”autorizzate”, dove il possessore della carta processa un pagamento verso un account sospetto, che di frodi ”non autorizzate”, dove il possessore della carta non fornisce alcuna autorizzazione alla transazione, che viene eseguita da una terza parte. Dal punto di vista economico, è essenziale per gli istituti nanziari riuscire a individuare preventivamente queste operazioni: nel 2018 il Regno Unito ha subito frodi sulle carte di credito per una ammontare di £844,8 milioni. Al giorno d’oggi, le transazioni operate mediante carte di credito risultano essere molto sicure, e questo èdovuto anche al grande sforzo portato dagli istituti finanziari in materia di individuazioni di ”cyber crimini”. Per riuscire a completare questo compito in maniera efficace, uno degli obiettivi da raggiungere è uello di individuare la migliore tecnica di Machine Learning, e in particolare il miglior classificatore, che sia in grado di riconoscere, e di conseguenza bloccare, questo tipo di transazioni. Il progetto si concentra sul contrastare gli effetti negativi che un dataset con classi sbilanciate, come in questo caso, ha sulla ricerca e stima del miglior classificatore ai fini di previsione delle transazioni fraudolente. Le prestazioni dei modelli saranno valutate non solo tramite le usuali metriche, ma anche tenendo conto dei costi di computazione e rispetto alla qualità dei servizi antrifrode forniti al titolare della carta di credito.