A fraude continua sendo um desafio crucial no setor financeiro, exigindo que instituições como bancos desenvolvam sistemas de aprendizado de máquina (ML) que possam detectar atividades fraudulentas rapidamente. À medida que as medidas de segurança se aprimoram, os fraudadores também se adaptam, criando novas táticas para driblar os sistemas existentes. A detecção de anomalias, que envolve identificar entidades raras dentro de um conjunto de dados, é um foco central na solução proposta pela Kumo, que adota uma abordagem de rede neural gráfica.

A detecção de anomalias é fundamental em vários domínios, incluindo e-commerce, redes sociais e cibersegurança. Em vez de depender apenas de métodos tradicionais, a Kumo enfatiza uma representação de dados mais natural e de alta qualidade, eliminando a necessidade de extensiva engenharia de características. Essa mudança de paradigma se mostra eficaz, permitindo que modelos gráficos operem diretamente sobre dados relacionais, otimizando a precisão das predições.

O conjunto de dados DGraphFin, disponibilizado pela Finvolution Group, contém mais de 3,7 milhões de nós, representando usuários, e quase 4,3 milhões de arestas, que simbolizam as interações entre eles. A detecção de fraudes neste cenário se torna complexa, pois 32,2% dos usuários têm registros de empréstimos, dos quais cerca de 15.509 são classificados como fraudulentos. Além disso, a natureza esparsa dos dados, com 49,9% de valores ausentes, adiciona um desafio adicional para a identificação de fraudes.

A solução da Kumo utiliza uma linguagem de consulta preditiva que permite a integração de diferentes tipos de dados e a adaptação a padrões complexos de comportamento. Os resultados demonstram que o modelo da Kumo supera os benchmarks existentes, alcançando uma área sob a curva (AUROC) de 0,841. Esta abordagem inovadora não só melhora a eficiência na detecção de fraudes, mas também elimina a necessidade de extensa engenharia de características, tornando-a uma ferramenta valiosa para o setor financeiro.

Em suma, a Kumo AI apresenta uma solução poderosa para a detecção de fraudes utilizando aprendizado de máquina gráfico, destacando a importância de adaptar métodos de análise a dados dinâmicos. A aplicação dessas tecnologias não apenas facilita a identificação de comportamentos fraudulentos, mas também representa um avanço significativo na forma como as instituições financeiras podem lidar com riscos. Para os interessados em explorar a Kumo para detecção de fraudes ou outras anomalias, é recomendável conferir o guia detalhado disponível no site da empresa.

FONTES:

1. Finvolution Group

2. Kumo AI

3. Banco de Dados e Benchmarks Neurais

4. Kumo AI - Detecção de Fraude

5. Kumo AI - Solicitar uma Demonstração