Employee fraud detection under real world conditions

Employee fraud detection under real world conditions

phdthesis
Mitarbeiterbetrug in Finanzinstituten stellt ein beträchtliches finanzielles Risiko, aber auch Reputationsrisiko dar. Studien zeigen, dass diese Art von Betrug typischerweise durch erhaltene Hinweise - im schlimmsten Fall von betroffenen Kunden - entdeckt wird, was im Bezug auf die Reputation fatal ist. Folglich besteht eine grosse Motivation, analytische Betrugserkennung zu verbessern. Wir untersuchen Kundenberaterbetrug in einem bedeutenden Finanzinstitut und kommen zum Schluss, dass sich dieser Betrugstyp beträchtlich von anderen Arten unterscheidet. Interner Betrug auf Mitarbeiterebene ist jedoch ein Gebiet, das in der Forschung relativ wenig Aufmerksamkeit erhält. In dieser Arbeit geben wir einen Überblick über die Forschung in der Betrugserkennung im Hinblick auf implizit gemachte Annahmen und Anwendbarkeit. Wir schlagen ein Entscheidungsframework vor, das basierend auf den vorliegenden Eigenschaften einer Problemstellung in der Praxis bei der Wahl einer geeigneten Methode hilft. Anschliessend wenden wir das Framework auf die vorliegende Situation in Alphafin an und legen damit den von uns gewählten Ansatz dar. Das vorgeschlagene System besteht aus einer Komponente für die Erkennung von Betrug und einer Visualisierungskomponente. Eine Reihe von Implementationsvarianten für die Detektionskomponente wird diskutiert, wobei der Fokus auf "Tempo-Relationalem Pattern Matching" liegt. Die Visualisierungskomponente, welche im Rahmen der Zusammenarbeit in Alphafin in eine produktive Software überführt wurde, wird vorgestellt. Anhand dreier Case Studies zeigen wir das Potential des Systems und diskutieren gewonnene Erkenntnisse sowie mögliche Erweiterungen.
Jonas Luell
Abraham Bernstein
Employee fraud in financial institutions is a considerable monetary and reputational risk. Studies state that this type of fraud is typically detected by a tip, in the worst case from affected customers, which is fatal in terms of reputation. Consequently, there is a high motivation to improve analytic detection. We analyze the problem of client advisor fraud in a major financial institution and find that it differs substantially from other types of fraud. However, internal fraud at the employee level receives little attention in research. In this thesis, we provide an overview of fraud detection research with the focus on implicit assumptions and applicability. We propose a decision framework to find adequate fraud detection approaches for real world problems based on a number of defined characteristics. By applying the decision framework to the problem setting we met at Alphafin the chosen approach is motivated. The proposed system consists of a detection component and a visualization component. A number of implementations for the detection component with a focus on tempo-relational pattern matching is discussed. The visualization component, which was converted to productive software at Alphafin in the course of the collaboration, is introduced. On the basis of three case studies we demonstrate the potential of the proposed system and discuss findings and possible extensions for further refinements.
Employee fraud detection under real world conditions
2010
04
University of Zurich, Department of Informatics
ddis